Teknologi informasi dan ilmu komputer (JTIK)

Judul       : Pengenalan emosi berdasarkan suara menggunakan algoritma hmm

Jurnal     : Teknologi informasi dan ilmu komputer (JTIK)

Penulis    : Berlian henryranu prasetio, wijaya kurniawan, mochammad hannast
                   hanafi ihsan.

Vol         : 4

Tahun     : 2017

Reviwer  : Riyan andrinoto

Abstrak  : Penelitian ini bertujuan mengenali emosi seseorang melalui ucapan                      menggunakan algoritma hmm. Sistem dibangun dengan mengenali 3
                 jenis emosi yaitu marah, bahagia, dan netral. Fiturnya menggunakan
                 pitch, energi dan formant. Databasenya menggunakan suara dari
                 rekaman film. Dari hasil observasi emosi marah sebesar 0.196,
                 bahagia 0.254 dan netral 0.045. sistem tingkat rata rata sbesar
                 86.66%. sistem mendeteksi dan mengklasifikasikan emosi sebesar
                 21.6ms.

Tujuan    :

bertujuan mengenali emosi seseorang melalui ucapan menggunakan algoritma hmm.

Pengenalan emosi :

    Emosi adalah perasaan intens yang di tunjukan kepada seseorang atau sesuatu (N.H. Frieda, 1993). Jenis jenis emosi dapat dikategorikan kecemasan, kebosanan, ketidakpuasan, takut, frustasi, kebahagiaan, beban tugas, dan kuatir.
pengenalan emosi berbasis suara ini bertujuan untuk mengidentifikasi keadaan emosional dari suaranya.    Untuk memilih fitur yang sesuai yang membawa informasi tentang emosi dari sinyal suara merupakan langkah penting dalam sistem pengenalan emosi berbasis suara.

Metode :

    Dalam perancangan, sistem mampu mendeteksi dan mengklasifikasikan emosi berdasarkan suara yang diterima. Sistem pengenalan emosi biasanya mengenali sejumlah 3-5 jenis emosi. Penelitian ini menggunakan 3 jenis emosi yaitu marah, bahagia dan netral.

1.     Ekstraksi ciri berdasarkan pada partisi ucapan dalam interval kecil yang dikenal sebagai frame. Proses ektraksi ciri dilakukan mendapatkan nilai parameter pitch, energi dan formant. Proses ini di mulai dengan menyaring sinyal suara menggunakan 2 filter low pas filter (LPF) dengan frekuensi cut-off 3.5khz dan finite impluse response (FIR).

2.     Pemodelan hmm dalam hmm, klasifikasi suara dilakukan sesuai dengan mode klasifikasi sinyal masukan yang diambil. Fitu fitur ini kemudian ditambahkan ke database. Pada bagian awal, setiap suara diasumsikan sebagai emosi netral. Jika diketahui sebuah suara memiliki mean pitch (mx), mean energi (my) dan mean formant (mz), maka berdasarkan training sistem, probabilitas masih tetap netral adalah p1, emosi marah adalah p2 dan emosi bahagia adalah p3.

Hasil dan pembahasan :

    Penelitian ini munggunakan suara pria sebagai data latih dan uji. Dan pengujian dilakukan dalam 2 skenario. Skenario pertama sistem di berikan sinyal suara yang kemudian disimpan dalam frame dengan panjang 10 dtik. Skenario kedua menghitung waktu eksekusi pengenalan suara. Waktu dihitung mulai masuknya sinyal suara sampai sistem memberikan hasil klasifikasi emosi yang terdeteksi.

Kesimpulan :

1.     Sistem dapat mengenali emosi marah, bahagia dan netral.

2.     Fitur yang digunakan dalam sistem adalah pitch, energi, dan formant.

3.     Sistem mengklasifikasikan emosi menggunakan hmm

4.     Dari hasil observasi probilitas emosi marah sebesar 0.196, bahagia 0.254, dan netral 0,045.

5.     Sistem memiliki tingkat akurasi rata rata sebesar 86.66%.

6.     Rata waktu eksekusi sistem dalam mendeteksi dan mengklasifikasikan emosi sebesar 21.6ms.

Kekurangan :

    Tidak mencatumkan saran

Kelebihan :

    Sistem mampu mendeteksi emosi pada setiap orang