Klasifikasi Makna Tangisan Bayi Menggunakan CNN Berdasarkan Kombinasi Fitur MFCC dan DWT

Autor:	Yohannes Yohannes, Ricky Wijaya
Rok vydání:	2021
Předmět:	Training set Recall Computer science Crying Stomach ache Speech recognition Feature (machine learning) medicine Mel-frequency cepstrum medicine.symptom Convolutional neural network
Zdroj:	JATISI (Jurnal Teknik Informatika dan Sistem Informasi). 8:599-610
ISSN:	2503-2933 2407-4322
DOI:	10.35957/jatisi.v8i2.470
Popis:	Menangis merupakan cara bayi untuk berkomunikasi. Suara tangisan tersebut dapat digunakan untuk mengidentifikasi masalah pada bayi, seperti kelaparan, kesakitan, rasa kantuk, kelelahan, rasa tidak nyaman, kedinginan atau kepanasan, dan lain-lain. Namun, tidak semua orang dapat mengenali makna tangisan bayi tersebut. Kombinasi dari fitur MFCC dan DWT digunakan pada penelitian ini sebagai fitur ekstraksi pada suara tangisan bayi. Pada penelitian ini, metode Convolutional Neural Network (CNN) digunakan untuk klasifikasi makna suara dari tangisan bayi. Dataset yang digunakan pada penelitian ini adalah dataset publik yang terdiri dari total 61 data training dan 30 data testing. Jenis tangisan bayi yang digunakan pada penelitian ini adalah lapar, lelah, rasa tidak nyaman, dan sakit perut. Berdasarkan hasil pengujian, fitur MFCC dan CNN didapatkan precision sebesar 32,76%, recall sebesar 32,63%, dan accuracy sebesar 73,33%. Kombinasi fitur MFCC dan DWT (Mean, Standard Deviation, Range, Max) dan CNN didapatkan precision sebesar 50,91%, recall sebesar 44,23%, dan accuracy sebesar 73,33%.
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=doi_________::e100a8ab3762498adb76fbaadf0f9db7 https://doi.org/10.35957/jatisi.v8i2.470 Zobrazit plný text záznamu