DETEKSI EMOSI BERDASARKAN WICARA MENGGUNAKAN DEEP LEARNING MODEL

The ability of computers to imitate human abilities has been an interesting thing to develop. In several studies, emotion recognition has been studied both through facial photos and verbal and non-verbal speech. This study aims to explore various deep learning methods to get the best model for detecting emotions using the EmoDB dataset. Feature extraction is done using Zero Crossing Rate, Chroma_stft, Mel Frequency Cepstral Coefficients (MFCC), Root Mean Square (RMS) and MelSpectogram. In the pre-processing stage, data augmentation techniques are applied by applying noise injection, shifting time and changing the audio pitch and speed. From the results of the study, it was stated that the best deep learning method based on the accuracy value was CNN-BiLSTM.Kemampuan komputer dalam meniru kemapuan manusia sampai saat ini menjadi hal yang menarik untuk dikembangkan. Di beberapa studi, pengenalan emosi sudah banyak diteliti baik melalui foto wajah dan ucapan verbal maupun non verbal. Penelitian ini bertujuan untuk mengeksplorasi berbagai metode Deep Learning untuk mendapatkan model yang paling baik dalam mendeteksi emosi menggunakan dataset EmoDB. Feature extraction dilakukan dengan menggunakan Zero Crossing Rate, Chroma_stft, Mel Frequency Cepstral Coefficients (MFCC), Root Mean Square (RMS) dan MelSpectogram. Pada tahap preprocessing diterapkan teknik data augmentation dengan mengaplikasikan noise injection, shifting time dan mengubah pitch dan kecepatan audio. Dari hasil penelitian dikemukakan bahwa metode deep learning terbaik berdasarkan nilai akurasi adalah CNN-BiLSTM