<![CDATA[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.]]>
Copyrights © 2026
