Model Klasifikasi Emosi Berdasarkan Suara Manusia dengan Metoode Multilater Perceptron

Abstract

Teknologi interaksi manusia dengan komputer sudah semakin berkembang, misalnya pengenalan suara atau speech recognition. Salah satu kegunaan dari pengenalan suara adalah untuk mengenali emosi manusia. Komputer dapat mengenali dan mengklasifikasi emosi manusia berdasarkan suara. Sudah banyak penelitian terkait dengan berbagam metode ekstraksi ciri dan klasifikasi namun hasilnya masih belum mendekati sempurna. Adapun metode ekstraksi ciri menggunakan Mel Frequency Ceptral Coefficient (MFCC). Data yang digunakan adalah data sekunder yang bersumber dari Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS). Model sistem akan dapat mengenali 8 jenis emosi yaitu netral, tenang, senang, sedih, marah, takut, jijik dan terkejut. Hasil dari model didapatkan akurasi untuk emosi netral sebesar 98%, emosi tenang sebesar 97%, emosi senang sebesar 94%, emosi sedih sebesar 97%, emosi marah sebesar 97%, emosi takut sebesar 94%, emosi jijik sebesar 97% dan emosi terkejut sebesar 96%. Sehingga hasil akurasi rata-rata dari model yang telah dibuat sebesar 96%