Claim Missing Document
Check
Articles

Found 22 Documents
Search

PENGEMBANGAN SISTEM SPEECH EMOTION RECOGNITION BERBASIS DEEP LEARNING WAV2VEC2.0 UNTUK RESPONS EMOSIONAL KARAKTER KUCING INTERAKTIF DI GAME UNITY Farrel Reyhan Putra; Dzaky, Hafidz Muhammad; Putratama, Maheswara; Fikri, Mochammad Rabee Fathi Al; Tundjungsari, Vitri
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.9064

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem Speech Emotion Recognition (SER) berbasis deep learning yang mampu mengenali emosi suara dan mengimplementasikannya pada sebuah game interaktif menggunakan Unity. Model SER dibangun dengan memanfaatkan arsitektur Wav2Vec 2.0 yang telah dipra-latih (pretrained) dan dilakukan fine-tuning menggunakan dataset CREMA-D dengan empat kelas emosi, yaitu angry, happy, neutral, dan sad. Data dibagi dengan rasio 80% untuk pelatihan dan 20% untuk validasi. Hasil pengujian menunjukkan bahwa model mampu mencapai nilai akurasi validasi maksimum sebesar 78–79% dengan weighted F1-score sebesar 0,79. Analisis confusion matrix memperlihatkan bahwa kelas angry memiliki tingkat pengenalan tertinggi, sementara kesalahan klasifikasi paling sering terjadi antara kelas neutral dan sad akibat kemiripan karakteristik prosodi. Model yang telah dilatih kemudian diekspor ke format ONNX dan berhasil diintegrasikan ke dalam game Unity untuk mendeteksi emosi suara pemain secara real-time. Hasil implementasi menunjukkan bahwa sistem mampu memberikan respons karakter yang adaptif berdasarkan emosi suara pengguna, sehingga meningkatkan interaksi dalam permainan.
Sistem Rekomendasi Komponen Rakit PC dengan Algoritma Greedy dan Rule-Based Filtering Samuel Yahya; Prasetiyo, Daniel; Putra, Gabriel; Christian, Timothy; Tundjungsari, Vitri
Jurnal Publikasi Teknik Informatika Vol. 5 No. 2 (2026): Mei: Jurnal Publikasi Teknik Informatika
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupti.v5i2.6527

Abstract

Beragam komponen komputer berkembang dengan pesat karena meningkatnya kebutuhan pengguna merakit PC atau personal computer untuk sesuai kebutuhan pekerjaan seperti pekerjaan 3D, desain grafis, video editing, gaming, dan lain-lain. Namun variasi, kompatibilitas, dan harga sering membuat banyak pengguna kesulitan menentukan kombinasi yang optimal dan sebanding dengan biaya yang dikeluarkan. Penelitian ini bertujuan membangun sistem rekomendasi komponen rakit pc sederhana yang dapat memberikan saran komponen terbaik sesuai anggaran pengguna. Sistem ini menerapkan Algoritma Greedy dengan tambahan konteks untuk memilih komponen. Pemilihan diprioritaskan berdasarkan skor CPU Mark dan G3D Mark. Rule-based filtering yang ketat diterapkan di awal untuk menyaring komponen berkualitas rendah, memastikan hanya ada komponen yang modern dan andal. Sistem dikembangkan dengan memanfaatkan dataset komponen PC yang didapat dari PCPartPicker yang mencakup komponen inti dari PC seperti CPU, RAM, storage, case, dan PSU. Hasil pengujian menunjukan sistem rekomendasi sederhana yang dibangun dengan algoritma Greedy dan Rule-Based Filtering dapat menghasilkan rakitan PC yang efisien dan sesuai anggaran. Kombinasi antara kedua metode menghasilkan sistem rekomendasi yang cepat, akurat, dan relevan dengan hasil yang dikeluarkan.