UMN Knowledge Center

Klasifikasi emosi senang, sedih, dan netral melalui vokal manusia

Wunarso, Novita Belinda (2016) Klasifikasi emosi senang, sedih, dan netral melalui vokal manusia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (748kB) | Preview
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (730kB) | Preview
[img]
Preview
Text
BAB II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (813kB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (865kB)
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (722kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (739kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (6MB) | Preview

Abstract

Perkembangan teknologi memungkinkan manusia untuk berinteraksi dengan perangkat elektronik seperti asisten virtual pada ponsel pintar atau komputer. Hal tersebut mendorong berkembangnya pengenalan emosi otomatis agar komputer dapat memahami emosi manusia dan memberikan umpan balik yang sesuai. Pengenalan emosi melalui suara merupakan bidang yang telah banyak diteliti namun masih terdapat perselisihan mengenai fitur suara yang dapat mengidentifikasi emosi tertentu dan sebagian besar penelitian memiliki latar belakang budaya dan bahasa non-Indonesia. Oleh karena itu, perlu penelitian lebih lanjut dengan menggunakan budaya dan bahasa Indonesia. Fitur yang diekstraksi dari suara adalah amplitudo, jumlah sampel, dan koefisien aproksimasi wavelet Daubechies db1 sampai db4. Dengan linear mixed effect models dan fitur jumlah sampel, ditemukan bahwa terdapat perbedaan signifikan antara durasi bicara orang yang emosional dan non-emosional. Fitur ini kemudian digunakan sebagai masukan pada neural network dan SVM untuk mengklasifikasikan orang yang emosional dan non-emosional. SVM memperoleh akurasi rata-rata hasil stratified 10-fold cross validation lebih tinggi daripada neural network yaitu sebesar 76.84%.

Item Type: Thesis (Bachelor Thesis)
Subjects: N Fine Arts > NX Arts in general > NX650-694 Special subjects, characters, persons, religious arts, etc.
T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T59.7-59.77 Human engineering in industry. Man-machine systems
T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T70 Information System
Divisions: Fakultas Teknik Informatika > Program Studi Sistem Informasi
Depositing User: mr admin umn
Date Deposited: 25 Jul 2017 01:31
Last Modified: 02 Oct 2017 01:51
URI: http://kc.umn.ac.id/id/eprint/1266

Actions (login required)

View Item View Item