PENGENALAN EMOSI PADA BAHASA ACEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Desy Ramadani (2024), PENGENALAN EMOSI PADA BAHASA ACEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi, Universitas Samudra.

ABSTRAK

Emosi memainkan peranan penting dalam cara manusia berpikir dan berperilaku. Emosi juga dapat timbul akibat reaksi dari perbuatan seseorang atau pun kejadian tertentu. Salah satu cara untuk mengidentifikasi emosi adalah melalui suara. Pada saat ini, teknologi Speech Emotion Recognition (SER) semakin berkembang pesat dan sering digunakan untuk melakukan pengenalan serta dapat memberikan respon jenis emosi yang diekspresikan pada ucapan manusia. Penelitian SER saat ini masih terbatas pada pengenalan emosi suara berbahasa Inggris, sedangkan penelitian pengenalan emosi suara berbahasa Indonesia terutama bahasa daerah seperti bahasa Aceh belum ada dilakukan. Pada penelitian ini dibuat sebuah sistem berbasis website untuk mengenali emosi suara bahasa Aceh menggunakan metode CNN (Convolutional Neural Network) dengan 6 layer untuk mengenali lima jenis emosi pada suara seperti emosi senang, marah, sedih, jijik dan netral dengan berdasarkan tinggi rendahnya amplitudo suara serta menggunakan ekstraksi fitur MFCC (Mel Frequency Cepstral Coefficients) dari masing-masing suara untuk dapat digunakan pada proses training CNN. Hasil pada penelitian ini menunjukkan akurasi 73,3% dari 15 total data uji suara, dimana 11 data suara dikenali dengan benar berdasarkan jenis emosi yang ada pada suara bahasa Aceh dan 4 data suara dikenali dengan salah jenis emosi yang ada pada suara bahasa Aceh.

File ::(login required)