<![CDATA[Kondisi emosional seseorang merupakan faktor penting dalam interaksi antar manusia, dan memengaruhi beberapa aspek di dalam komunikasi. Penelitian ini dilakukan untuk membuat sebuah sistem identifikasi emosi melalui suara jantung dengan implementasi ekstraksi Gammatone-Frequency Cepstral Coefficient (GFCC) dan klasifikasi Hidden Markov Model (HMM). Pada penelitian ini, kondisi emosi manusia akan dikelompokkan menjadi dua kelas berdasarkan nilai Beat Per Minute (BPM) dengan kelas tinggi untuk emosi senang, sedih, marah, takut, cemas, dan kelas rendah terkait dengan emosi santai dan bosan. Implementasi dilakukan melalui sebuah stetoskop elektronik yang terintegrasi dengan sebuah aplikasi android. Penelitian ini penting karena dapat memberikan informasi terkait efektivitas penggunaan GFCC pada pemrosesan suara jantung dalam identifikasi emosi. Pengujian Signal-to-Noise Ratio (SNR) yang dilakukan untuk mengetahui pengaruh ekstraksi GFCC dalam mengurangi noise pada suara jantung memperoleh hasil 93,33% yang membuktikan bahwa GFCC dapat mengurangi noise dengan baik. Selain itu, tingkat akurasi yang diperoleh sistem ini mencapai 75% pada akurasi validasi sistem dan 73,33% pada akurasi pengujian. Hasil tersebut membuktikan bahwa sistem mampu memprediksi label atau kelas dengan baik menggunakan suara jantung sebagai input utama sistem. Integrasi antara perangkat keras stetoskop elektronik dengan smartphone melalui aplikasi android membuat sistem ini mudah digunakan oleh pengguna. Penelitian ini memberikan kontribusi bagi pengguna dalam melakukan identifikasi emosi seseorang secara non-verbal melalui analisis suara jantung. Selain itu, penelitian ini juga diharapkan mampu membantu orang dengan keterbatasan komunikasi verbal serta mengurangi angka penderita gangguan kesehatan mental akibat ketidakstabilan emosional.]]>
