Article Per Year (5 Year)
p-Index From 2021 - 2026
2.99
P-Index
This Author published in this journals
All Journal KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jiko (Jurnal Informatika dan komputer) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Buana Ilmu JISA (Jurnal Informatika dan Sains) Jurnal Sisfotek Global Scientific Student Journal for Information, Technology and Science INTERNAL (Information System Journal) JADI (Jurnal Teknik Industri)
Adi Rizky Pratama
Universitas Buana Perjuangan Karawang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Implementasi Model Convolutional Neural Network pada Voice Emotion Recognition untuk Evaluasi Respons Pelanggan Rai Tilosava De Araujo; Adi Rizky Pratama; Elsa Elvira Awal; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model Voice Emotion Recognition berbasis Convolutional Neural Network (CNN) guna mengevaluasi respons pelanggan melalui analisis emosi suara berbahasa Indonesia. Dataset yang digunakan adalah IndoWaveSentiment, yang terdiri atas 300 rekaman audio dengan lima kategori emosi, yaitu angry, happy, sad, surprised, dan neutral. Tahapan penelitian meliputi data preprocessing yang mencakup konversi menjadi audio mono, normalisasi, trimming, dan padding, dilanjutkan dengan augmentasi data serta ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC). Model Convolutional Neural Network kemudian dilatih menggunakan optimizer Adam dengan learning rate sebesar 0,001 selama 100 epoch. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 84%, dengan nilai rata-rata precision, recall, dan F1-score sebesar 0,84. Kinerja terbaik ditunjukkan pada kelas neutral dan sad, sedangkan beberapa kesalahan klasifikasi masih terjadi pada kelas angry dan happy. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan Convolutional Neural Network efektif dalam mengenali emosi pelanggan melalui sinyal suara serta berpotensi mendukung pengembangan sistem layanan pelanggan yang lebih adaptif dan responsif terhadap kondisi emosional pengguna.
Co-Authors Agung Susilo Yuda Irawan Agung Triatna Ahmad Fauzi Aldo Zamaludin Fernando Anis Fitri Nur Masruriyah Antika Zahrotul Kamalia Ardhana Putri Farahdiansari Ayu Ratna Juwita Baihaqi, Kiki Ahmad Bayu Padilah Chepy Sonjaya Daffa Rifqi Abyansyah Deden Wahiddin Diah Nurlaila Dina Aliya Sari Dony Dwi Karyanto Dwi Sulistya Kusumaningrum Elsa Elvira Awal Euis Nurlaelasari Fathan Mubina Dewadi Gilang Cantona Habib Alamsyah Hanny Hikmayanti Handayani Hilda Yulia Novita Hilman Abdurrohim Azis Indra, Jamaludin Indri Rahmawati Iqbal Tawakkal Krisna Perdana Jaya Sitompul Maulana Arif Hidayat Mia Mia Mohammad Fadli Perdana Mudzakir, Tohirin Al Nurhayati Rai Tilosava De Araujo Ruwirohi, Jan Everhard Ryan Antono Sasmi, Weni Tri Tatang Rohana