Sistem Pengenalan Intensitas Emosi Sedih melalui Ucapan menggunakan Ekstraksi Bark-Frequency Cepstral Coefficient dan K-Nearest Neighbor berbasis Raspberry Pi 4

Abstrak

Pandemi telah berdampak besar pada perubahan kesehatan mental yang menyebabkan ketidakstabilan emosi manusia. Emosi yang tidak stabil menyebabkan stress yang ditandai dengan perasaan sedih, murung, dan tidak bahagia. Emosi sedih yang berkepanjangan dapat menjadi tanda gejala depresi. Karenanya, dibutuhkan alat yang mampu memberikan informasi terkait seberapa besar emosi sedih yang dirasakan untuk mengurangi sedih yang berkepanjangan. Beberapa penelitian berhasil membuat alat untuk mendeteksi emosi melalui suara. Maka dari itu, tujuan dari adanya penelitian ini adalah untuk membuat alat yang mampu mengetahui intensitas emosi sedih melalui suara. Penelitian dilakukan dengan menggunakan ekstraksi fitur BFCC yang memiliki hasil akurasi lebih baik dari metode MFCC, jika sampel data memiliki noise yang banyak. Sistem akan bekerja dengan bantuan mikrofon sebagai media untuk merekam. Pada proses pertama, sistem akan melakukan perekaman menggunakan mikrofon, hasil perekaman akan diproses untuk diekstraksi fiturnya dan diklasifikasikan. Setelah hasil prediksi didapatkan, maka hasil akan ditampilkan pada LCD. Penelitian ini menggunakan dataset Crowd Sourced Emotional Actors Dataset (CREMA-D) yang terdiri dari beberapa emosi dengan tingkat high, low, dan mid. Namun, pada penelitian ini hanya fokus pada penggunaan emosi sedih. Hasil dari penelitan mendapatkan akurasi sebesar 60% dengan rata-rata signal-to-ratio (SNR) sebesar 23.9 dB, dan memiliki selisih rata-rata sebesar 11.76 db lebih baik ketimbang metode MFCC.