Identifikasi Emosi Dari Sinyal Suara Secara Real Time Menggunakan Linear Predictive Coding dan Backpropagation

Kepuasan pelanggan adalah salah satu faktor penting suatu perusahaan yang menghasilkan produk dan jasa. Banyak perusahaan saling bersaing untuk meningkatkan kualitas pelayanan salah satunya dengan melakukan evaluasi terhadap customer service dalam melayani konsumen. Penelitian ini telah membuat sistem identifikasi emosi dari sinyal sinyal suara. Kalimat yang digunakan berasal dari rekaman percakapan antara customer service dengan pelanggan. Sistem identifikasi ini dibangun dari pelatihan suara terhadap 10 naracoba dengan lima kali perulangan pada setiap kata kunci yang diucapkan, sehingga digunakan 150 set data latih. Sinyal suara setiap enam detik dilewatkan praproses untuk mengurangi noise dan dilakukan frame blocking dan windowing yang kemudian diekstraksi menggunakan Linear Predictive Coding (LPC) dengan nilai poles 8. Koefisien yang dihasilkan LPC kemudian digunakan sebagai fitur dalam Jaringan Syaraf Tiruan menggunakan algoritma pembelajaran Backpropagation. Hasil dari penelitian menunjukkan sistem identifikasi emosi menghasilkan akurasi sebesar 91% untuk data latih dan 76% untuk data baru.

[1]  Sitti Amalia.  Pengenalan Digit 0 Sampai 9 Menggunakan Ekstraksi Ciri MFCC dan Jaringan Syaraf Tiruan Backpropagation , 2017 .

[2]  Manvendra Singh,et al.  Speech Recognition Using Neural Networks , 2011 .

[3]  Andi Tri Haryono,et al.  PENGARUH CITRA PERUSAHAAN DAN KUALITAS PELAYANAN TERHADAP LOYALITAS PELANGGAN DENGAN KEPUASAN PELANGGAN SEBAGAI VARIABEL INTERVENING PADA PT PELABUHAN INDONESIA III SEMARANG , 2016 .

[4]  Mohammed S. Sayed,et al.  LPC and MFCC Performance Evaluation with Artificial Neural Network for Spoken Language Identification , 2013 .

[5]  Md. Mijanur Rahman,et al.  Implementation Of Back-Propagation Neural Network For Isolated Bangla Speech Recognition , 2013, ArXiv.

[6]  Jian-Da Wu,et al.  Speaker identification based on the frame linear predictive coding spectrum technique , 2009, Expert Syst. Appl..

[7]  Voice Stress Analysis using Linear Predictive Coding in MATLAB , 2016 .

[8]  Ruili Wang,et al.  Ensemble methods for spoken emotion recognition in call-centres , 2007, Speech Commun..

[9]  Yulia Fitri,et al.  Aplikasi Pengenalan Ucapan dengan Ekstraksi Ciri Mel-Frequency Cepstrum Coefficients (MFCC) dan Jaringan Syaraf Tiruan (JST) Propagasi Balik untuk Buka dan Tutup Pintu , 2015 .

[10]  Margaret Lech,et al.  Evaluating deep learning architectures for Speech Emotion Recognition , 2017, Neural Networks.

[11]  Ashish Semwal,et al.  Detection of emotion in analysis of speech using linear predictive coding techniques (L.P.C) , 2017, 2017 International Conference on Inventive Systems and Control (ICISC).

[12]  Rita Magdalena,et al.  SIMULASI DAN ANALISIS DETEKSI EMOSI MANUSIA DARI SUARA PERCAKAPAN BERBASIS DISCRETE WAVELET TRANSFORM DAN LINEAR PREDICTIVE CODING , 2014 .

[13]  Jun-Wei Mao,et al.  Speech emotion recognition based on feature selection and extreme learning machine decision tree , 2018, Neurocomputing.

[14]  Dragan A. Cirovic,et al.  Feed-forward artificial neural networks : applications to spectroscopy , 1997 .

[15]  Tiago H. Falk,et al.  Automatic speech emotion recognition using modulation spectral features , 2011, Speech Commun..

[16]  Mark Elshaw,et al.  Emotional recognition from the speech signal for a virtual education agent , 2013 .

[17]  Yixiong Pan,et al.  SPEECH EMOTION RECOGNITION USING SUPPORT VECTOR MACHINE , 2010 .