Denoising Sinyal Suara menggunakan Gerbang Spektrum pada Sistem Pengenalan Emosi Stress

Abstrak

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.