Penerapan Transformasi Wavelet Pada Koefisien Cepstral Mel Untuk Mengenali Stress Pembicara

Ali, Zidane and Barlian Henryranu Prasetio, S.T., M.T., Ph.D (2024) Penerapan Transformasi Wavelet Pada Koefisien Cepstral Mel Untuk Mengenali Stress Pembicara. Sarjana thesis, Universitas Brawijaya.

Abstract

Stres merupakan suatu reaksi tubuh ketika mengalami suatu tekanan atau beban tertentu, baik itu dari situasi eksternal maupun internal. Masalah ini semakin meluas karena stres dapat memicu gangguan mental seperti kecemasan dan depresi. Selain gangguan mental, stres juga dapat menyerang penyakit fisik termasuk penyakit jantung dan penyakit lainnya. Pada lingkungan masyarakat sendiri masih tergolong rendah tentang kesadaran terhadap gejala stres tersebut. Banyak orang yang kesulitan dalam mengenali gejala dari stres bahkan cenderung mengabaikannya. Oleh karena itu, diperlukan sebuah teknologi yang mudah digunakan untuk mengenali stres pembicara. Pada penelitian ini akan membuat sebuah sistem yang dapat mengenali stres pembicara menggunakan ekstraksi fitur WFCC (Wavelet-based Frequency Cepstral Coefficients), yang mana metode ini akan mengganti transformasi FFT dengan transformasi Wavelet yang memiliki keunggulan dalam menangkap perubahan sinyal audio pada berbagai skala waktu dan frekuensi. Sedangkan untuk metode klasifikasinya pada penelitian ini menggunakan CNN (Convolutional Neural Network). Penelitian ini menggunakan aplikasi Android sebagai perangkat yang digunakan agar mempermudah pengguna dalam mengakses sistem yang dibuat. Sistem ini berhasil mendapatkan akurasi 87.20% yang telah memenuhi kriteria yang telah ditentukan pada tahap perancangan. Transormasi wavelet

English Abstract

Stress is the body's response to specific pressures, whether from external or internal situations. This issue is increasingly usual as stress can trigger mental disorders such as anxiety and depression. Beside that, stress also contributes to physical illnesses including heart disease and other illnesses. Public awareness of the symptoms of stress and the importance of early detection is still relatively low. Many individuals are unable to identify the symptoms of stress and even ignore these symptoms. Therefore, a user-friendly technology is necessary to identify speaker stress. This study aims to develop a system capable of recognizing speaker stress using the extraction of WFCC (Wavelet-based Frequency Cepstral Coefficients) features. This method replaces the FFT transformation with the Wavelet transformation, which is capable of capturing audio signal changes across various time and frequency scales. The classification method employed in this research involves CNN (Convolutional Neural Network). The study utilizes an Android application as a device to make it easier for users to access the system created. This system succeeded in obtaining an accuracy of 87.20% which passed the criteria determined at the design stage.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	Stres, Pemrosesan suara, Transformasi wavelet, Convolutional neural network, Stress, Sound processing, Wavelet Transform, Convolutional neural network
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Annisti Nurul F
Date Deposited:	12 Feb 2024 04:00
Last Modified:	12 Feb 2024 04:00
URI:	http://repository.ub.ac.id/id/eprint/215941

Text (DALAM MASA EMBARGO) Zidane Ali .pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item