IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI SUARA 10 PUBLIK FIGUR DI INDONESIA

Lalu Faza, Azhari (2023) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI SUARA 10 PUBLIK FIGUR DI INDONESIA. S1 thesis, Universitas Mataram.

	Text LAPORAN TUGAS AKHIR_F1D019049_LALU FAZA AZHARI.pdf Restricted to Repository staff only Download (2MB)
Preview	Text JURNAL JTIK_F1D019049_LALU FAZA AZHARI.pdf Download (934kB) | Preview

Abstract

Penggunaan media sosial di Indonesia telah mengalami pertumbuhan pesat dalam beberapa tahun terakhir, mencapai lebih dari 210 juta pengguna internet pada tahun 2022. Publik figur, seperti politisi, selebriti, dan tokoh masyarakat, memiliki kehadiran yang kuat di platform-platform media sosial, memanfaatkannya untuk menyampaikan pendapat, membagikan informasi, dan memengaruhi opini serta keputusan masyarakat. Suara-suara publik figur ini memiliki dampak penting dalam membentuk persepsi publik dan arah pikiran masyarakat. Advertisers dan pemasar berusaha memanfaatkan pengaruh publik figur ini untuk mengarahkan rekomendasi konten mereka agar relevan dengan preferensi masing-masing publik figur. Oleh karena itu, penelitian ini bertujuan untuk menguji penerapan Convolutional Neural Network (CNN) dalam mengklasifikasikan suara-suara 10 publik figur terkemuka di Indonesia. Dataset yang digunakan terdiri dari 1000 rekaman suara dengan format *.WAV. Tahap pre-processing melibatkan segmentasi untuk menghilangkan jeda awal dan akhir dalam rekaman suara, dan ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC). Hasil pengujian menunjukkan bahwa penggunaan learning rate yang rendah (0.0001) dan jumlah epoch yang tinggi (150) menghasilkan kinerja optimal dengan tingkat akurasi mencapai 99%. Model CNN mampu mengklasifikasikan suara-suara publik figur dengan tingkat keakuratan yang tinggi. Penelitian ini memberikan kontribusi penting dalam mengautomatisasi proses klasifikasi suara publik figur dalam konteks media sosial, yang dapat digunakan untuk mengarahkan rekomendasi konten iklan yang lebih relevan dengan preferensi publik figur yang sedang populer atau berpengaruh di Indonesia.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Publik Figur, Convolutional Neural Network (CNN), MelFrequency Cepstral Coefficients (MFCC), Epoch, Learning Rate
Subjects:	T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	24 Nov 2023 08:27
Last Modified:	24 Nov 2023 08:27
URI:	http://eprints.unram.ac.id/id/eprint/43578

Actions (login required)

View Item