Yusuf, Delfi Olivia and Barlian Henryranu Prasetio,, S.T., M.T., Ph.D. (2024) Denoising Sinyal Suara Menggunakan Gerbang Spektrum Pada Sistem Pengenalan Emosi Stres. Sarjana thesis, Universitas Brawijaya.
Abstract
Perkembangan zaman yang pesat turut mendorong kemajuan teknologi dalam berbagai aspek kehidupan. Dalam konteks ini, pengukuran emosi stres manusia secara mobile telah menjadi fokus utama, namun metode tradisional yang melibatkan penggunaan website dan pengisian kuisioner terbukti kurang efektif. Oleh karena itu, penelitian ini mengusulkan pendekatan baru dengan menggunakan pengukuran emosi stres berbasis suara untuk meningkatkan objektivitas pengukuran. Metode Convolutional Neural Network (CNN) dipilih karena kemampuannya untuk mengambil fitur, memungkinkan algoritma ini untuk beradaptasi dengan data baru secara lebih efisien. Proses denoising sinyal suara menggunakan gerbang spektrum adalah metode yang pengurangan kebisingan yang digunakan pada penelitian ini. Gerbang spektrum terpilih karena kemampuannya menghilangkan noise pada frekuensi yang sudah ditetapkan, meningkatkan kualitas sinyal dan keakuratan pengukuran. Meskipun tingkat akurasi yang diperoleh saat ini sebesar 60%, penelitian ini menyoroti pentingnya verifikasi data yang lebih luas dan penelitian lebih mendalam terkait pengurangan kebisingan suara untuk meningkatkan kinerja sistem. Sistem yang dikembangkan dapat dijalankan melalui platform Android, memudahkan akses dan penggunaan oleh pengguna. Dengan melibatkan pengukuran emosi stres berbasis suara dan teknologi pengurangan kebisingan, penelitian ini memberikan kontribusi terhadap pengembangan sistem yang lebih efektif dan dapat diandalkan dalam mendukung pemantauan kesejahteraan emosional manusia secara mobile.
English Abstract
The rapid development of the times has also propelled technological advancements in various aspects of life. In this context, mobilebased measurement of human stress emotions has become a primary focus, but traditional methods involving website usage and questionnaire filling have proven to be less effective. Therefore, this research proposes a new approach by using voicebased stress emotion measurement to enhance measurement objectivity. The Convolutional Neural Network (CNN) method is chosen for its ability to extract features, allowing this algorithm to adapt more efficiently to new data. The denoising process of the audio signal using the spectrum gate is the noise reduction method employed in this study. The spectrum gate is selected for its ability to eliminate noise at predetermined frequencies, improving signal quality, and measurement accuracy. Although the current accuracy level obtained is 60%, this research highlights the importance of broader data verification and more indepth research related to sound noise reduction to enhance system performance. The developed system can be run on the Android platform, facilitating access and usage by users. By involving voicebased stress emotion measurement and noise reduction technology, this research contributes to the development of a more effective and reliable system in supporting the mobile monitoring of human emotional wellbeing.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150057 |
| Uncontrolled Keywords: | Convolutional Neural Network, Pengenalan Emosi Stres, Denoising Sinyal Suara, Gerbang Spektrum |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 19 Feb 2024 07:57 |
| Last Modified: | 19 Feb 2024 07:57 |
| URI: | http://repository.ub.ac.id/id/eprint/215468 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Delfi Olivia Yusuf.pdf Restricted to Registered users only Download (2MB) |
Actions (login required)
 |
View Item |