Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Prasetyo, 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
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Pengembangan Sistem Deteksi Stres Berbasis Suara Menggunakan Fitur MFCC, ZCR, dan SC Dengan Metode Artificial Neural Network (ANN) Fathulramdhan, Ahmad Dzikri; Prasetyo, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Stres merupakan masalah umum yang dapat berdampak negatif terhadap kesehatan fisik dan mental seseorang. Di era modern, meningkatnya tekanan dari pekerjaan, pendidikan, dan kehidupan sosial menjadikan deteksi dini terhadap stres sangat penting. Penelitian ini bertujuan untuk mengembangkan sistem deteksi stres berbasis suara menggunakan perangkat mobile tanpa memerlukan perangkat keras tambahan. Sistem ini memanfaatkan fitur Mel-Frequency Cepstral Coefficients (MFCC), Zero Crossing Rate (ZCR), dan Spectral Centroid (SC) untuk mengekstraksi ciri dari sinyal suara, serta menggunakan metode Artificial Neural Network (ANN) dengan tambahan logika fuzzy untuk mengklasifikasikan tingkat stres pengguna. Data suara diperoleh melalui mikrofon internal perangkat Android, kemudian diproses dalam segmen waktu (chunk) untuk memperoleh fitur akustik yang relevan. Model ANN dilatih menggunakan data dari dataset SUSAS dan diimplementasikan dalam bentuk aplikasi Android yang portabel dan mudah digunakan. Hasil evaluasi menunjukkan bahwa model memiliki akurasi pelatihan sebesar 60%, akurasi validasi sebesar 49%, dan akurasi pengujian dunia nyata sebesar 45,5% (prediksi benar secara ketat). Jika kategori "mungkin" turut diperhitungkan sebagai kontribusi setengah benar, maka akurasi realistis sistem meningkat menjadi 50,0%. Sistem ini diharapkan dapat menjadi alternatif praktis dalam deteksi stres yang lebih mudah diakses dibandingkan metode konvensional yang memerlukan alat khusus.
Co-Authors Fathulramdhan, Ahmad Dzikri