Penerapan Ekstraksi BFCC Pada Hidden Markov Model Untuk Identifikasi Emosi Manusia Berdasarkan Suara Detak Jantung
Kata Kunci:
emosi, suara detak jantung, BFCC, hidden markov model, stetoskop elektronik, aplikasi android, headphone, efektivitasAbstrak
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.
Referensi
Afandi, I. K., Ferdiana, R., & Nugroho, H. A. (2016). Review: Musik dan Denyut Jantung Pada Era Digital. Jurnal Sistem Informasi Bisnis, 4(3), 149–155. https://doi.org/10.21456/vol4iss3pp149-155
Agastya, W., & Aripin. (2020). Pemetaan Emosi Dominan pada Kalimat Majemuk Bahasa Indonesia Menggunakan Multinomial Naïve Bayes. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 9(2), 171–179. https://doi.org/10.22146/jnteti.v9i2.157
Agung, I. D., Prawangsa, A., & Karyawati, A. E. (2024). Penerapan Metode MFCC dan LSTM untuk Speech Emotion Recognition. 12(4), 775–782.
Anjaini, A.S., Gautama, A.P., Anggis, N. S. (2019). (2019). Implementasi dan Analisis Simulasi Deteksi Emosi Melalui Pengenalan Suara Menggunakan Mel-Frequency Cepstrum Coefficient dan Hidden Markov Model Berbasis IOT. e-Proceeding of Engineering,. E-Proceeding of Engineering, 6(1), 2100–2107.
Azmi, Y., Djamal, E. C., & Ilyas, R. (2018). Identifikasi Emosi Dari Sinyal Suara Secara Real Time Menggunakan Linear Predictive Coding dan Backpropagation. Seminar Nasional Aplikasi Teknologi Informatika (SENATi), 17–22.
Caroline Dharmawan, N. B. A. (2021). Dampak Kesehatan Mental Terhadap Sistem Kekebalan Tubuh Selama Pandemi Covid-19 The Impact of Mental Health on The Immune System During the Covid-19 Pandemic. PLACENTUM Jurnal Ilmiah Kesehatan Dan Aplikasinya, 9(2), 16–26. https://jurnal.uns.ac.id/placentum/article/download/51164/32681
D, N., & Salmiati, S. (2022). Penerapan Teknik Acting Opposite Untuk Meningkatkan Emosi Positif Siswa Di Smp Negeri 23 Makassar. JBKPI: Jurnal Bimbingan Dan Konseling Pendidikan Islam, 1(02), 31–43. https://doi.org/10.26618/jbkpi.v1i02.8092
Dika, E. M., & Widyana, R. (2024). Pengaruh Pelatihan Mindfulness terhadap Penurunan Emosi Negatif Penderita Hipertensi. Journal of Psychological Science and Profession, 8(2), 138–154. https://doi.org/10.24198/jpsp.v8i2.53275
Dwi Andini, S. (2022). Review Analisis Hubungan Penyakit Jantung Koroner Terhadap Risiko Stres. Cerdika: Jurnal Ilmiah Indonesia, 2(11), 933–937. https://doi.org/10.36418/cerdika.v2i11.471
Guna, H. P., & Purwoko, H. (2020). Vital Sign Monitor. Medika Teknika : Jurnal Teknik Elektromedik Indonesia, 1(2). https://doi.org/10.18196/mt.010209
Hafidh, M., Maulana, W., & Widasari, E. R. (2023). Sistem Deteksi Stres berdasarkan Detak Jantung dan Kelenjar Keringat menggunakan Metode K-Nearest Neighbours. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(3), 1108–1115. http://j-ptiik.ub.ac.id
Kojongian, M. G. R., & Wibowo, D. H. (2022). Toxic Positivity: Sisi Lain dari Konsep untuk Selalu Positif dalam Segala Kondisi. Psychopreneur Journal, 6(1), 10–25. https://doi.org/10.37715/psy.v6i1.2493
Lazzuardhy, D. A., & Prasetio, B. H. (2022). Sistem Pengenalan Intensitas Emosi Sedih melalui Ucapan menggunakan Ekstraksi Bark-Frequency Cepstral Coefficient dan K-Nearest Neighbor berbasis Raspberry Pi 4. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(11), 5569–5575. http://j-ptiik.ub.ac.id
Listyalina, L. (2024). Identifikasi Suara Jantung Berbasis Komputer. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3), 1696–1704. https://doi.org/10.23960/jitet.v12i3.4392
Moschona, D. S. (2020). An Affective Service based on Multi-Modal Emotion Recognition, using EEG enabled Emotion Tracking and Speech Emotion Recognition. 2020 IEEE International Conference on Consumer Electronics - Asia, ICCE-Asia 2020. https://doi.org/10.1109/ICCE-Asia49877.2020.9277291
Muis, I., Darussalam, Z. A., Muchlis, R. N., Inayah, R., & Paletari, A. (2024). Gudang Jurnal Pengabdian Masyarakat Pelatihan Manajemen Emosi Pada Pegawai UPT Penilaian Potensi Dan Kompetensi BKD Provinsi Sulawesi Selatan. 2(2014), 84–89.
Nurmalita Zahra, A. Z. mansoor. (2024). Warna Dan Emosi Untuk Media Desain Interaktif : Literature Review Color and Emotion for Interactive Design Media : a Literature Review. Warna Dan Emosi Untuk Media Desain Interaktif : Literature Review Color and Emotion for Interactive Design Media : A Literature Review, 13(2301–5942).
Perkasa, S. B., Prasetio, B. H., Setiawan, E., Widasari, E. R., & Syauqy, D. (2023). Implementasi Algoritma BFCC dan kNN pada Embedded System untuk Deteksi Dini Bronchitis. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(3), 543–550. https://doi.org/10.25126/jtiik.20231036571
Permana, M. Z. (2021). Mengenal Dasar-Dasar Emosi Dalam Menghadapi Pandemi. PLAKAT (Pelayanan Kepada Masyarakat), 3(1), 26. https://doi.org/10.30872/plakat.v3i1.5598
Prayoga, N. F. I. (2019). Analisis Speaker Recognition Menggunakan Metode Dynamic Time Warping (DTW) Berbasis Matlab. Avitec, 1(1), 77–85. https://doi.org/10.28989/avitec.v1i1.492
Prayogi, Y. R. (2019). Modifikasi Metode MFCC untuk Identifikasi Pembicara di Lingkungan Ber-Noise. JOINTECS (Journal of Information Technology and Computer Science), 4(1), 13. https://doi.org/10.31328/jointecs.v4i1.999
Rahma, S. A., Ikhsan, A. P. P., & Yemima, D. (2024). Dampak Pengabaian Orang Tua Terhadap Regulasi Emosi Anak. Jurnal Psikologi, 1(4), 18. https://doi.org/10.47134/pjp.v1i4.2649
Sarasati, B., & Nurvia, O. (2021). Emosi Dalam Tulisan. Jurnal Psibernetika, 14(1), 40–48. https://doi.org/10.30813/psibernetika.
Sari, M. K., & Susmiatin, E. A. (2023). Deteksi Dini Kesehatan Mental Emosional pada Mahasiswa. Jurnal Ilmiah STIKES Yarsi Mataram, 13(1), 10–17. https://doi.org/10.57267/jisym.v13i1.226
Septiantar Tn, O. :, Dharma Ak, D., Hidayat, R., Wahyunggoro, O., Elektro, J. T., Semarang, N., Sudarto, J., Perikanan, J. M., Kelautan, P., Bitung, P., Tandurusa, J., Dua, A., & Utara, S. (2023). Orbith Hidden Markov Model Sederhana Untuk Aplikasi Pengenalan Isyarat Penutur. 19(3), 324–333.
Shabrina, H., Ahmayani, I., Audya, K., & Putri, E. (2024). Analisis Efek Aliasing Pada Sinyal Audio Dengan Variasi Frekuensi Sampling Pada Lagu Berjudul Terhebat. 5(1), 1–11.
Simanjuntak, J. G. L. L., Prasetio, C. E., Tanjung, F. Y., & Triwahyuni, A. (2021). Psychological Well-Being Sebagai Prediktor Tingkat Kesepian Mahasiswa. Jurnal Psikologi Teori Dan Terapan, 11(2), 158. https://doi.org/10.26740/jptt.v11n2.p158-175
Sofyan, P. R., Wahyudi, R., Putra, D. P., Sahroni, A., Widiasmara, N., & Miladiyah, I. (2021). Utilization of Real-Time Heart Rate Changes to Classify Emotions Based on Low-Cost Device Development. ICIIBMS 2021 - 6th International Conference on Intelligent Informatics and Biomedical Sciences, 6, 224–229. https://doi.org/10.1109/ICIIBMS52876.2021.9651613
Swastika, W., Widodo, R. B., & Oepojo, A. A. (2023). Perbandingan Akurasi Deteksi Emosi Pada Suara Menggunakan Multilayer Perceptron, Random Forest, Decision Tree dan K-NN. Journal of Intelligent System and Computation, 5(1), 17–22. https://doi.org/10.52985/insyst.v5i1.264
Trinanda Putra, K. (2017a). Voice Verification System Based on Bark-frequency Cepstral Coefficient. Journal of Electrical Technology UMY, 1(1). https://doi.org/10.18196/jet.1104
Trinanda Putra, K. (2017b). Voice Verification System Based on Bark-frequency Cepstral Coefficient. Journal of Electrical Technology UMY, 1(1), 28–36. https://doi.org/10.18196/jet.1104
Wardah, S. N., & Gojali, M. (2021). Controlling Emotions from the Al-Qur’an Perspective. Gunung Djati Conference Series, 4, 548.
Zhafirah, F. A. G., Kemalasari, K., & ... (2021). Rancang bangun alat pendeteksi emosi pada anak menggunakan metode K-Means. INOVTEK-Seri Elektro, 80–88. http://ejournal.polbeng.ac.id/index.php/ISE/article/view/2062
Afandi, I. K., Ferdiana, R., & Nugroho, H. A. (2016). Review: Musik dan Denyut Jantung Pada Era Digital. Jurnal Sistem Informasi Bisnis, 4(3), 149–155. https://doi.org/10.21456/vol4iss3pp149-155
Agastya, W., & Aripin. (2020). Pemetaan Emosi Dominan pada Kalimat Majemuk Bahasa Indonesia Menggunakan Multinomial Naïve Bayes. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 9(2), 171–179. https://doi.org/10.22146/jnteti.v9i2.157
Agung, I. D., Prawangsa, A., & Karyawati, A. E. (2024). Penerapan Metode MFCC dan LSTM untuk Speech Emotion Recognition. 12(4), 775–782.
Anjaini, A.S., Gautama, A.P., Anggis, N. S. (2019). (2019). Implementasi dan Analisis Simulasi Deteksi Emosi Melalui Pengenalan Suara Menggunakan Mel-Frequency Cepstrum Coefficient dan Hidden Markov Model Berbasis IOT. e-Proceeding of Engineering,. E-Proceeding of Engineering, 6(1), 2100–2107.
Azmi, Y., Djamal, E. C., & Ilyas, R. (2018). Identifikasi Emosi Dari Sinyal Suara Secara Real Time Menggunakan Linear Predictive Coding dan Backpropagation. Seminar Nasional Aplikasi Teknologi Informatika (SENATi), 17–22.
Caroline Dharmawan, N. B. A. (2021). Dampak Kesehatan Mental Terhadap Sistem Kekebalan Tubuh Selama Pandemi Covid-19 The Impact of Mental Health on The Immune System During the Covid-19 Pandemic. PLACENTUM Jurnal Ilmiah Kesehatan Dan Aplikasinya, 9(2), 16–26. https://jurnal.uns.ac.id/placentum/article/download/51164/32681
D, N., & Salmiati, S. (2022). Penerapan Teknik Acting Opposite Untuk Meningkatkan Emosi Positif Siswa Di Smp Negeri 23 Makassar. JBKPI: Jurnal Bimbingan Dan Konseling Pendidikan Islam, 1(02), 31–43. https://doi.org/10.26618/jbkpi.v1i02.8092
Dika, E. M., & Widyana, R. (2024). Pengaruh Pelatihan Mindfulness terhadap Penurunan Emosi Negatif Penderita Hipertensi. Journal of Psychological Science and Profession, 8(2), 138–154. https://doi.org/10.24198/jpsp.v8i2.53275
Dwi Andini, S. (2022). Review Analisis Hubungan Penyakit Jantung Koroner Terhadap Risiko Stres. Cerdika: Jurnal Ilmiah Indonesia, 2(11), 933–937. https://doi.org/10.36418/cerdika.v2i11.471
Guna, H. P., & Purwoko, H. (2020). Vital Sign Monitor. Medika Teknika : Jurnal Teknik Elektromedik Indonesia, 1(2). https://doi.org/10.18196/mt.010209
Hafidh, M., Maulana, W., & Widasari, E. R. (2023). Sistem Deteksi Stres berdasarkan Detak Jantung dan Kelenjar Keringat menggunakan Metode K-Nearest Neighbours. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(3), 1108–1115. http://j-ptiik.ub.ac.id
Kojongian, M. G. R., & Wibowo, D. H. (2022). Toxic Positivity: Sisi Lain dari Konsep untuk Selalu Positif dalam Segala Kondisi. Psychopreneur Journal, 6(1), 10–25. https://doi.org/10.37715/psy.v6i1.2493
Lazzuardhy, D. A., & Prasetio, B. H. (2022). Sistem Pengenalan Intensitas Emosi Sedih melalui Ucapan menggunakan Ekstraksi Bark-Frequency Cepstral Coefficient dan K-Nearest Neighbor berbasis Raspberry Pi 4. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(11), 5569–5575. http://j-ptiik.ub.ac.id
Listyalina, L. (2024). Identifikasi Suara Jantung Berbasis Komputer. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3), 1696–1704. https://doi.org/10.23960/jitet.v12i3.4392
Moschona, D. S. (2020). An Affective Service based on Multi-Modal Emotion Recognition, using EEG enabled Emotion Tracking and Speech Emotion Recognition. 2020 IEEE International Conference on Consumer Electronics - Asia, ICCE-Asia 2020. https://doi.org/10.1109/ICCE-Asia49877.2020.9277291
Muis, I., Darussalam, Z. A., Muchlis, R. N., Inayah, R., & Paletari, A. (2024). Gudang Jurnal Pengabdian Masyarakat Pelatihan Manajemen Emosi Pada Pegawai UPT Penilaian Potensi Dan Kompetensi BKD Provinsi Sulawesi Selatan. 2(2014), 84–89.
Nurmalita Zahra, A. Z. mansoor. (2024). Warna Dan Emosi Untuk Media Desain Interaktif : Literature Review Color and Emotion for Interactive Design Media : a Literature Review. Warna Dan Emosi Untuk Media Desain Interaktif : Literature Review Color and Emotion for Interactive Design Media : A Literature Review, 13(2301–5942).
Perkasa, S. B., Prasetio, B. H., Setiawan, E., Widasari, E. R., & Syauqy, D. (2023). Implementasi Algoritma BFCC dan kNN pada Embedded System untuk Deteksi Dini Bronchitis. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(3), 543–550. https://doi.org/10.25126/jtiik.20231036571
Permana, M. Z. (2021). Mengenal Dasar-Dasar Emosi Dalam Menghadapi Pandemi. PLAKAT (Pelayanan Kepada Masyarakat), 3(1), 26. https://doi.org/10.30872/plakat.v3i1.5598
Prayoga, N. F. I. (2019). Analisis Speaker Recognition Menggunakan Metode Dynamic Time Warping (DTW) Berbasis Matlab. Avitec, 1(1), 77–85. https://doi.org/10.28989/avitec.v1i1.492
Prayogi, Y. R. (2019). Modifikasi Metode MFCC untuk Identifikasi Pembicara di Lingkungan Ber-Noise. JOINTECS (Journal of Information Technology and Computer Science), 4(1), 13. https://doi.org/10.31328/jointecs.v4i1.999
Rahma, S. A., Ikhsan, A. P. P., & Yemima, D. (2024). Dampak Pengabaian Orang Tua Terhadap Regulasi Emosi Anak. Jurnal Psikologi, 1(4), 18. https://doi.org/10.47134/pjp.v1i4.2649
Sarasati, B., & Nurvia, O. (2021). Emosi Dalam Tulisan. Jurnal Psibernetika, 14(1), 40–48. https://doi.org/10.30813/psibernetika.
Sari, M. K., & Susmiatin, E. A. (2023). Deteksi Dini Kesehatan Mental Emosional pada Mahasiswa. Jurnal Ilmiah STIKES Yarsi Mataram, 13(1), 10–17. https://doi.org/10.57267/jisym.v13i1.226
Septiantar Tn, O. :, Dharma Ak, D., Hidayat, R., Wahyunggoro, O., Elektro, J. T., Semarang, N., Sudarto, J., Perikanan, J. M., Kelautan, P., Bitung, P., Tandurusa, J., Dua, A., & Utara, S. (2023). Orbith Hidden Markov Model Sederhana Untuk Aplikasi Pengenalan Isyarat Penutur. 19(3), 324–333.
Shabrina, H., Ahmayani, I., Audya, K., & Putri, E. (2024). Analisis Efek Aliasing Pada Sinyal Audio Dengan Variasi Frekuensi Sampling Pada Lagu Berjudul Terhebat. 5(1), 1–11.
Simanjuntak, J. G. L. L., Prasetio, C. E., Tanjung, F. Y., & Triwahyuni, A. (2021). Psychological Well-Being Sebagai Prediktor Tingkat Kesepian Mahasiswa. Jurnal Psikologi Teori Dan Terapan, 11(2), 158. https://doi.org/10.26740/jptt.v11n2.p158-175
Sofyan, P. R., Wahyudi, R., Putra, D. P., Sahroni, A., Widiasmara, N., & Miladiyah, I. (2021). Utilization of Real-Time Heart Rate Changes to Classify Emotions Based on Low-Cost Device Development. ICIIBMS 2021 - 6th International Conference on Intelligent Informatics and Biomedical Sciences, 6, 224–229. https://doi.org/10.1109/ICIIBMS52876.2021.9651613
Swastika, W., Widodo, R. B., & Oepojo, A. A. (2023). Perbandingan Akurasi Deteksi Emosi Pada Suara Menggunakan Multilayer Perceptron, Random Forest, Decision Tree dan K-NN. Journal of Intelligent System and Computation, 5(1), 17–22. https://doi.org/10.52985/insyst.v5i1.264
Trinanda Putra, K. (2017a). Voice Verification System Based on Bark-frequency Cepstral Coefficient. Journal of Electrical Technology UMY, 1(1). https://doi.org/10.18196/jet.1104
Trinanda Putra, K. (2017b). Voice Verification System Based on Bark-frequency Cepstral Coefficient. Journal of Electrical Technology UMY, 1(1), 28–36. https://doi.org/10.18196/jet.1104
Wardah, S. N., & Gojali, M. (2021). Controlling Emotions from the Al-Qur’an Perspective. Gunung Djati Conference Series, 4, 548.
Zhafirah, F. A. G., Kemalasari, K., & ... (2021). Rancang bangun alat pendeteksi emosi pada anak menggunakan metode K-Means. INOVTEK-Seri Elektro, 80–88. http://ejournal.polbeng.ac.id/index.php/ISE/article/view/2062
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
