ANALISIS SENTIMEN EMOSI PADA SUARA DENGAN CONVOLUTION NEURAL NETWORK DAN NORMALISASI ZSCORE

Hasanah, Halimatul (2024) ANALISIS SENTIMEN EMOSI PADA SUARA DENGAN CONVOLUTION NEURAL NETWORK DAN NORMALISASI ZSCORE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (878kB)
	Text (BAB I) BAB I.pdf Download (172kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (729kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (142kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (960kB)
	Text (BAB V) BAB V.pdf Download (64kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (96kB)
	Archive (SOURCE CODE) Sourcecode - Halimatul Hasanah.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (593kB)

Abstract

Dalam era Revolusi Industri 4.0, di mana aktivitas manusia secara dominan dilakukan secara online, penggunaan teknologi Machine Learning (ML) menjadi krusial. Salah satu aplikasi ML yang menarik adalah Speech Emotion Recognition (SER), yang dapat memfilter dan mendeteksi emosi manusia melalui suara. Emosi memegang peran penting dalam interaksi manusia dan memiliki dampak signifikan pada kepuasan pengguna serta opini pelanggan. Penelitian terkini mengenai SER menunjukkan perkembangan yang menggembirakan dengan penerapan Convolutional Neural Network (CNN), sebuah jenis jaringan saraf khusus yang menggunakan operasi konvolusi. CNN menawarkan keunggulan dalam pengenalan pola suara melalui struktur mirip grid. Dalam penelitian ini, peneliti menggunakan Normalisasi Z-score pada CNN untuk memastikan kinerja optimal dan hasil yang konsisten. Hasil evaluasi menunjukkan bahwa model CNN dengan normalisasi Z-score mencapai akurasi tinggi dan keseimbangan precision, recall, serta F1-score untuk setiap kategori emosi, seperti "Angry" dengan nilai precision 0.85, recall 0.91, dan F1-score 0.88. Sebaliknya, model CNN tanpa normalisasi Z-score menunjukkan kinerja rendah dengan nilai precision yang rendah, meskipun recall tinggi, menandakan kesulitan dalam menghindari klasifikasi yang salah. Dengan demikian, penelitian ini berhasil mengimplementasikan metode CNN dalam klasifikasi deteksi emosi melalui suara manusia, dengan penerapan Normalisasi Z-score membawa perbaikan signifikan pada kinerja model. Hasil ini memiliki implikasi positif dalam meningkatkan aplikasi SER untuk interaksi manusia-komputer, memastikan respons emosional yang lebih akurat dan dapat diandalkan.

Actions (login required)

View Item