Analisis Pengaruh Kombinasi Spektral Fitur Pada Peningkatan Akurasi Pengenalan Emosi Suara Dengan Metode Klasifikasi LSTM - Submit Jurnal
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Faturrahman, Arya
Subject
AI Indexes (General)
Datestamp
2023-07-17 07:20:38
Abstract :
Penelitian ini dilakukan untuk mendapatkan bagaimana pengaruh kombinasi fitur Low Level Descriptors (LLDs) yaitu mfcc (Mel-frequency cepstral coefficients), chroma, melspectogram, spectral contrast, spectral bandwidth dan tonnetz dan High Statistical Function (HSF) dengan 2 kombinasi yaitu mean, dan standar deviasi, dan 5 kombinasi yaitu mean, standar deviasi, range, kurtosis dan skewness untuk melihat apakah dari banyaknya kombinasi mampu meningkatkan nilai akurasi, dan kombinasi fitur apa yang mampu menghasilkan akurasi terbaik.Penelitian ini merupakan penelitian kuantitatif deskriptif untuk mencari nilai akurasi tertinggi dari kombinasi ekstrak fitur spektral Low Level Descriptors (LLDs) dan High Level Statistical Function (HSF) dengan metode klasifikasi Long Term Short Memory (LSTM) yang dilakukan dengan mencari kombinasi fitur yang mampu mendapatkan nilai akurasi tertinggi. Kemudian, kombinasi fitur tersebut diuji dengan menggunakan data primer yaitu data yang diambil oleh penulis. Kombinasi fitur tertinggi mendapatkan nilai akurasi sebesar 85% yaitu dengan 3 kombinasi fitur mfcc dan spectral contrast yang menggunakan HSF mean dan standar deviasi tetapi saat dilakukan pengujian dengan menggunakan data primer memiliki hasil yang berbeda jauh karena data uji primer tidak sempurna. Model LSTM yang mampu mendapatkan nilai akurasi tertinggi yaitu LSTM dengan 9 lapisan yang memiliki lapisan inti LSTM sebanyak 4 yang didapatkan dengan 222 kali percobaan. Kesimpulan dari penelitian ini adalah model LSTM yang mampu mendapatkan akurasi tertinggi yaitu LSTM dengan 9 lapisan dengan lapisan inti LSTM sebanyak 4. Kombinasi fitur spektral yang mampu mendapatkan nilai akurasi tertinggi adalah 2 kombinasi spektral LLDs adalah mfcc dan spectral contrast dengan kombinasi HSF mean dan standar deviasi. Performa uji data primer memiliki nilai akurasi yang berbeda jauh dibawah data sekunder karena data primer tidak sempurna yang dibuktikan dengan bentuk spektrum data primer yang memiliki bandwidth yang berbeda jauh dengan data sekunder. Saran dari penelitian ini adalah perlu adanya penelitian lebih lanjut terkait uji data bagaimana bentuk spektrum dari data yang baik.
Penelitian ini dilakukan untuk mendapatkan bagaimana pengaruh kombinasi fitur Low Level Descriptors (LLDs) yaitu mfcc (Mel-frequency cepstral coefficients), chroma, melspectogram, spectral contrast, spectral bandwidth dan tonnetz dan High Statistical Function (HSF) dengan 2 kombinasi yaitu mean, dan standar deviasi, dan 5 kombinasi yaitu mean, standar deviasi, range, kurtosis dan skewness untuk melihat apakah dari banyaknya kombinasi mampu meningkatkan nilai akurasi, dan kombinasi fitur apa yang mampu menghasilkan akurasi terbaik.Penelitian ini merupakan penelitian kuantitatif deskriptif untuk mencari nilai akurasi tertinggi dari kombinasi ekstrak fitur spektral Low Level Descriptors (LLDs) dan High Level Statistical Function (HSF) dengan metode klasifikasi Long Term Short Memory (LSTM) yang dilakukan dengan mencari kombinasi fitur yang mampu mendapatkan nilai akurasi tertinggi. Kemudian, kombinasi fitur tersebut diuji dengan menggunakan data primer yaitu data yang diambil oleh penulis. Kombinasi fitur tertinggi mendapatkan nilai akurasi sebesar 85% yaitu dengan 3 kombinasi fitur mfcc dan spectral contrast yang menggunakan HSF mean dan standar deviasi tetapi saat dilakukan pengujian dengan menggunakan data primer memiliki hasil yang berbeda jauh karena data uji primer tidak sempurna. Model LSTM yang mampu mendapatkan nilai akurasi tertinggi yaitu LSTM dengan 9 lapisan yang memiliki lapisan inti LSTM sebanyak 4 yang didapatkan dengan 222 kali percobaan. Kesimpulan dari penelitian ini adalah model LSTM yang mampu mendapatkan akurasi tertinggi yaitu LSTM dengan 9 lapisan dengan lapisan inti LSTM sebanyak 4. Kombinasi fitur spektral yang mampu mendapatkan nilai akurasi tertinggi adalah 2 kombinasi spektral LLDs adalah mfcc dan spectral contrast dengan kombinasi HSF mean dan standar deviasi. Performa uji data primer memiliki nilai akurasi yang berbeda jauh dibawah data sekunder karena data primer tidak sempurna yang dibuktikan dengan bentuk spektrum data primer yang memiliki bandwidth yang berbeda jauh dengan data sekunder. Saran dari penelitian ini adalah perlu adanya penelitian lebih lanjut terkait uji data bagaimana bentuk spektrum dari data yang baik.
File :
04181018_cover.pdf
04181018_statement_of_authenticity.pdf
04181018_chapter_1.pdf
04181018_chapter_2.pdf
04181018_chapter_3.pdf
04181018_chapter_4.pdf
04181018_conclusions.pdf
04181018_bibliography.pdf
04181018_presentation.pdf
04181018_enclosure.pdf
04181018_Form. TA-020.pdf
04181018_publishing_agreement.pdf
04181018_approval_sheet.pdf
04181018_preface.pdf
04181018_abstract_id.pdf
04181018_abstract_en.pdf
04181018_table_of_content.pdf
04181018_illustrations.pdf
04181018_tables.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
