Sari, Ni Made Ayu Astina and Barlian Henryranu Praswetio, S.T., M.T., Ph.D., (2024) Penerapan Ekstraksi BFCC pada Hidden Markov Model untuk Identifikasi Emosi Manusia Berdasarkan Suara Detak Jantung. Sarjana thesis, Universitas Brawijaya.
Abstract
Emosi merupakan salah satu faktor penting bagi setiap orang di kehidupan sosial. Dalam beberapa tahun terakhir, penelitian tentang emosi telah menjadi hal yang menarik dalam bidang pengolahan sinyal dan suara. Banyak penelitian yang masih menggunakan metode umum, seperti MFCC dan K-Nearest Neighbours. Oleh karena itu, pada penelitian ini mencoba dengan menggunakan metode yang berbeda, yaitu menggunakan BFCC yang memiliki filter bark filter bank dimana dapat menyaring secara bertahap terhadap sinyal suara yang diterima. Selain itu, penelitian ini menggunakan Hidden Markov Model dalam kemampuan meningkatkan akurasi. Hasil penelitian ini menunjukkan bahwa BFCC dapat lebih efektif mampu mempertahankan kualitas fitur dengan adanya perbedaan rentang nilai fitur yang kecil sebesar -2 dan visualisasi pola fitur yang cukup stabil pada saat lingkungan noise dan non-noise. Hal ini juga dibuktikan dengan adanya nilai BFCC yang lebih tinggi kisaran 0 hingga -50 jika dibandingkan dengan nilai MFCC. Sementara, pengujian Hidden Markov Model menghasilkan akurasi yang cukup rendah sebesar 56%. Pengujian sistem dilakukan dengan menggunakan 15 subjek sebagai data uji dengan akurasi yang dihasilkan oleh sistem sebesar 46.66%. Secara keseluruhan, meskipun hasil akurasi kurang optimal, penelitian ini terbuka untuk diteliti dan dikembangkan pada penelitian selanjutnya dalam sistem identifikasi emosi bidang pemrosesan sinyal dan suara.
English Abstract
Emotion is one of the important factors for everyone in social life. In recent years, research on emotion has become a matter of interest in the field of signal and speech processing. Many studies still use common methods, such as MFCC and KNearest Neighbors. Therefore, this research tries to use a different method, namely using BFCC which has a bark filter bank filter which can filter gradually the received sound signal. In addition, this research uses Hidden Markov Model in the ability to improve accuracy. The results of this study show that BFCC can be more effective in maintaining feature quality with a small feature value range difference of -2 and a fairly stable feature pattern visualization in noise and non-noise environments. This is also evidenced by the higher BFCC value in the range of -2.5 to -50 when compared to the MFCC value. Meanwhile, Hidden Markov Model testing resulted in a fairly low accuracy of 56%. System testing was carried out using 15 subjects as test data with an accuracy generated by the system of 46.66%. Overall, although the accuracy results are less than optimal, this research is open to be researched and developed in future research in emotion identification systems in the field of signal and sound processing.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052415 |
| Uncontrolled Keywords: | emosi, suara detak jantung, BFCC, hidden markov model, stetoskop elektronik, aplikasi android, headphone, pengaruh. |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | S Sucipto |
| Date Deposited: | 13 Feb 2025 01:45 |
| Last Modified: | 13 Feb 2025 01:45 |
| URI: | http://repository.ub.ac.id/id/eprint/236543 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Ni Made Ayu Astina Sari.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
 |
View Item |