ANALISA PENGENALAN EMOSI SUARA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

OVY MELI, YANDIKA (2023) ANALISA PENGENALAN EMOSI SUARA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. S1 thesis, Universitas Mataram.

	Text FINAL_LAPORAN_TA_OVY MELIYANDIKA_F1B018053.pdf Restricted to Repository staff only Download (2MB)
Preview	Text JURNAL_OVY MELIYANDIKA_F1B018053.pdf Download (597kB) | Preview

Abstract

Mengenali suara merupakan hal yang mudah, dengan cara mendengarkan dengan seksama dan manusia mempunayai kecerdasan dalam mengenali pola suara. Berbeda dengan komputer, proses pengenalan suara merupakan proses yang sulit, hal ini dikarenakan komputer memerlukan suatu mekanisme yang standar dan logis dalam mengenali pola suara. Dengan metode Mel Frequency Cepstral Coefficient (MFCC) memiliki peran penting dalam menentukan karakterisktik dari sebuah suara. Dengan metode Mel Frequency Cepstral Coefficient (MFCC) memiliki peran penting dalam menentukan karakterisktik dari sebuah suara. Metode ini sering digunakan untuk verifikasi suara, pengenalan suara, deteksi emosi dari suara. Penelitian ini dilakukan untuk menganalisa pengklasifikasian emosi suara menggunakan metode Learning Vector Quantization (LVQ). Pada mahasiswa Universitas Mataram didapatkan data emosi suara manusia berjumlah 80 mahasiswa. Dari 80 mahasiswa didapatkan data emosi suara bahagia dan marah. Perekeman dilakukan pada masing-masing mahasiswa yang berlangsung 4 detik sampai dengan 8 detik dengan bantuan googleform sebagai media bantu untuk penggambilan data. Media bantu googleform yang di maksud addalah peneliti memberikan google form ke masing-masing mahasiwa yang didalmnya terdapat 5 kalimat bahagia dan 5 kalimat marah sebagai contoh bacaan sehingga mendaptkan emosi suara yang di inginkan peneliti.Model Learning Vector Quantization (LVQ) mampu menentukan jenis emosi suara yang masuk ke dalam model, tingkat akurasi emosi suara test sebesar 87% menggunakan dataset sebanyak 380 data. Metode confusion matrix digunakan untuk mengevaluasi model yang sudah di buat, tingkat akurasi sebesar 87% dengan perhitungan parameter lainnya seperti precision dengan nilai rata-rata 87%, recall 87% dan f-1 score 87% dengan jumlah data uji 93 data. Sehingga bisa disimpulkan model bekerja dengan baik

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Suara, Emosi, Mel Frequency Cepstral Coefficient (MFCC), Learning Vector Quantization, confusion Matrix
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	09 Mar 2023 00:46
Last Modified:	09 Mar 2023 00:46
URI:	http://eprints.unram.ac.id/id/eprint/35680

Actions (login required)

View Item