Deteksi Emosi Berdasarkan Sinyal Suara Manusia Menggunakan Discrete Wavelet Transform (DWT) Dengan Klasifikasi Support Vector Machine (SVM)
DOI:
https://doi.org/10.54082/jiki.45Kata Kunci:
Akurasi, Discrete Wavelet Transform (DWT), Emosi, Support Vector Machine (SVM), Waktu KomputasiAbstrak
Manusia saling berkomunikasi melalui dialog. Suasana hati seseorang merupakan salah satu faktor yang dapat mempengaruhi kualitas komunikasi. Salah satu bentuk yang merepresentasikan suasana hati adalah emosi. Emosi adalah suatu kondisi yang mendorong seseorang untuk melakukan suatu tindakan akibat dari adanya rangsangan. Penelitian mengenai deteksi dan klasifikasi emosi berdasarkan sinyal wicara. Speech recognition merupakan bidang yang berpengaruh pada penelitian ini untuk mengukur tingkat emosi pada manusia. Penelitian ini merancang sistem yang dapat mendeteksi emosi seseorang berdasarkan ciri sinyal wicara. Pada penelitian ini menggunakan metode Discrete Wavelet Transform (DWT) untuk ekstraksi ciri. DWT adalah teknik analisa sinyal yang dikembangkan dari Short Time Fourier Transform (STFT) melalui domain waktu dan frekuensi yang didekomposisi kedalam komponen frekuensi rendah dan frekuensi tinggi. Untuk mendeteksi dan mengklasifikasi emosi berdasarkan suara manusia menggunakan Support Vector Machine (SVM). SVM adalah sistem machine learning yang menggunakan ruang hipotesis dan terdiri dari fungsi-fungsi linear yang dilatih dengan algoritma pembelajaran berdasarkan teori optimasi dengan dimensi tinggi Berdasarkan penelitian ini, didapatkan akurasi tertinggi sebesar 100% dengan parameter terbaiknya menggunakan level dekomposisi 4, jenis wavelet haar dan jenis kernel quadratic. Jenis kernel quadratic memiliki delay consequences yang lebih baik daripada jenis kernel SVM yang lain dan hasil klasifikasinya dapat diverifikasi menggunakan kurva ROC.
Referensi
B. Sarasati and O. Nurvia, “Emosi Dalam Tulisan,” J. Psibermetika, vol. 14, no. 1, pp. 40–48, 2021, doi: 10.30813/psibernetika.
S. Helmiyah et al., “Identification Emotion Recognition Using Lpc Extraction Feature,” vol. 7, no. 6, 2020, doi: 10.25126/jtiik.202072693.
H. Aouani and Y. Ben Ayed, “Speech Emotion Recognition with deep learning,” Procedia Comput. Sci., vol. 176, pp. 251–260, 2020, doi: 10.1016/j.procs.2020.08.027.
M. Menggunakan, M. K. Neighbor, and T. Akhir, “CLASSIFICATION OF EMOTIONAL BASED ON HUMAN VOICE SIGNAL,” 2019.
V. N. Sulistyawan, G. Budiman, E. Sarwono, and D. Prastiyanto, “Performansi Audio Terwatermark dengan Metode Discrete Wavelet Transform ( DWT ) dan Histogram Audio Watermarking Terhadap Parameter SNR dan ODG,” vol. 8, no. 2, pp. 2–8, 2019.
L. Ulfiati and S. Sugiman, “Peramalan Data Saham Dengan Transformasi Wavelet Haar,” Unnes J. Math., vol. 4, no. 2, 2015, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/ujm/article/view/9361%0Ahttps://journal.unnes.ac.id/sju/index.php/ujm/article/download/9361/6202
I. Monika Parapat and M. Tanzil Furqon, “Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3163–3169, 2018, [Online]. Available: http://j-ptiik.ub.ac.id
P. Waktu, K. Mahasiswa, and M. Svm, “Berbasis Pso,” vol. 7, no. 2, pp. 97–101, 2019.
E. Nursholihatun, S. M. Sasongko, and A. Zainuddin, “Identifikasi Suara Menggunakan Metode Mel Frequency Cepstrum Coefficients (Mfcc) Dan Jaringan Syaraf Tiruan Backpropagation,” Dielektrika, vol. 7, no. 1, p. 48, 2020, doi: 10.29303/dielektrika.v7i1.232.
P. K. Mongia and R. K. Sharma, “Estimation and statistical analysis of human voice parameters to investigate the influence of psychological stress and to determine the vocal tract transfer function of an individual,” J. Comput. Networks Commun., vol. 2014, 2014, doi: 10.1155/2014/290147.
Z. Ullah, S.-H. Lee, and M. Fayaz, “Enhanced feature extraction technique for brain MRI classification based on Haar wavelet and statistical moments,” Int. J. Adv. Appl. Sci., vol. 6, no. 7, pp. 89–98, 2019, doi: 10.21833/ijaas.2019.07.012.
L. NOVAMIZANTI and A. KURNIA, “Analisis Perbandingan Kompresi Haar Wavelet Transform dengan Embedded Zerotree Wavelet pada Citra,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 3, no. 2, p. 161, 2015, doi: 10.26760/elkomika.v3i2.161.
J. Too, A. R. Abdullah, and N. M. Saad, “Classification of Hand movements based on discrete wavelet transform and enhanced feature extraction,” Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 6, pp. 83–89, 2019, doi: 10.14569/ijacsa.2019.0100612.
S. Gani and B. Setiyono, “Teknik Invisible Watermarking Digital Menggunakan Metode DWT (Discrete Wavelet Tarnsform),” J. Sains dan Seni ITS, vol. 7, no. 2, 2019, doi: 10.12962/j23373520.v7i2.29845.
Y. Sugianela, Q. L. Sutino, and D. Herumurti, “Eeg Classification for Epilepsy Based on Wavelet Packet Decomposition and Random Forest,” J. Ilmu Komput. dan Inf., vol. 11, no. 1, p. 27, 2018, doi: 10.21609/jiki.v11i1.549.
W. Mustikarini, R. Hidayat, and A. Bejo, “Real-Time Indonesian Language Speech Recognition with MFCC Algorithms and Python-Based SVM,” IJITEE (International J. Inf. Technol. Electr. Eng., vol. 3, no. 2, p. 55, 2019, doi: 10.22146/ijitee.49426.
B. Gaye, D. Zhang, and A. Wulamu, “Improvement of Support Vector Machine Algorithm in Big Data Background,” Math. Probl. Eng., vol. 2021, 2021, doi: 10.1155/2021/5594899.
Z. Jun, “The Development and Application of Support Vector Machine,” J. Phys. Conf. Ser., vol. 1748, no. 5, 2021, doi: 10.1088/1742-6596/1748/5/052006.
W. C. Bauldry, “Shannon-Nyquist Sampling with a Student Exploration Application The Shannon-Nyquist Sampling Theorem Maple-based Student Exploration Applications,” pp. 1–5, 2021.
T. Nyquist and H. Nyquist, “Nyquist – Shannon sampling theorem - wikipedia,” no. May, pp. 1–7, 2019.
K. A. Sugianta, I. G. A. Gunadi, and G. Indrawan, “Analisis Pola Bunyi Sunari Berdasarkan Metode Fast Fourier Transform,” J. Ilmu Komput. Indones., vol. 5, no. 2, pp. 14–21, 2020.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Tasya Busrizal Putri, Sofia Saidah, Bambang Hidayat, Fadia Qothrunnada, Darwindra Darwindra
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
