<![CDATA[Emosi merupakan salah satu faktor penting bagi setiap orang di kehidupan sosial. Dalam beberapa tahun terakhir, penelitian tentang emosi telah menjadi hal yang menarik dalam bidang pengolahan sinyal dan suara. Banyak penelitian yang masih menggunakan metode umum, seperti MFCC dan K-Nearest Neighbours. Oleh karena itu, pada penelitian ini mencoba dengan menggunakan metode yang berbeda, yaitu menggunakan BFCC yang memiliki filter bark filter bank dimana dapat menyaring secara bertahap terhadap sinyal suara yang diterima. Selain itu, penelitian ini menggunakan Hidden Markov Model dalam kemampuan meningkatkan akurasi. Hasil penelitian ini menunjukkan bahwa BFCC dapat lebih efektif mampu mempertahankan kualitas fitur dengan adanya perbedaan rentang nilai fitur yang kecil sebesar -2 dan visualisasi pola fitur yang cukup stabil pada saat lingkungan noise dan non-noise. Hal ini juga dibuktikan dengan adanya nilai BFCC yang lebih tinggi kisaran 0 hingga -50 jika dibandingkan dengan nilai MFCC. Sementara, pengujian Hidden Markov Model menghasilkan akurasi yang cukup rendah sebesar 56%. Pengujian sistem dilakukan dengan menggunakan 15 subjek sebagai data uji dengan akurasi yang dihasilkan oleh sistem sebesar 46.66%. Secara keseluruhan, meskipun hasil akurasi kurang optimal, penelitian ini terbuka untuk diteliti dan dikembangkan pada penelitian selanjutnya dalam sistem identifikasi emosi bidang pemrosesan sinyal dan suara.]]>
Copyrights © 2025
