Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Barlian Henryranu
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Pendeteksi Depresi Melalui Pola Suara Menggunakan Metode Formant Analysis ghaliba elfauzan, albar fawwazi; Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Depresi adalah gangguan suasana hati yang memiliki dampak signifikan terhadap individu, yang ditandai dengan perasaan sedih yang mendalam dan kehilangan minat terhadap kegiatan sehari-hari. Dengan prevalensi yang tinggi di Indonesia, seperti yang tercatat dalam Riset Kesehatan Dasar tahun 2018, prevalensi depresi pada penduduk umur diatas 15 tahun di Indonesia mencapai 706.689 dengan 1.800 orang melakukan bunuh diri setiap tahunnya. Hal ini menjadi fokus yang penting untuk mencari solusi untuk melakukan identifikasi dini dan penanganan depresi. Sehingga diperlukan pengembangan metode deteksi yang objektif dan efisien. Penelitian ini bertujuan mengembangkan sistem tersebut menggunakan Analisis Formant untuk mengekstrak karakteristik akustik dari ucapan yang berkaitan dengan emosi. Penelitian ini menggunakan Algoritma CNN (Convolution Neural Network) untuk tahap klasifikasi, apabila data yang ada telah melalui ekstraksi fitur. Hasil pengujian penelitian ini menunjukkan bahwa sistem dapat melakukan deteksi dengan tingkat ketepatan sebesar 73%, menunjukkan bahwa analisis formant adalah metode yang efektif dalam mengidentifikasi suara depresi, walaupun masih terdapat tantangan dalam meningkatkan akurasi untuk kelas depresi. Dengan demikian, penelitian ini menawarkan wawasan penting tentang kemampuan dan keterbatasan teknologi pendeteksi depresi berbasis suara dan menegaskan potensinya sebagai alat bantu dalam diagnosis dan intervensi dini depresi.
Co-Authors ghaliba elfauzan, albar fawwazi