Implementasi Metode K-Means Clustering Dalam Mengelompokkan Emosi Senang, Marah, Dan Netral Berdasarkan Vokal Manusia
| Main Author: | Rianto, Aurelia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/4819/1/Skripsi%20-%20Aurelia%20Rianto%20-%2013110110071.pdf http://kc.umn.ac.id/4819/ |
Daftar Isi:
- Pengenalan emosi merupakan komponen penting di dalam komputasi afektif yang merupakan teknologi dalam mengindentifikasi emosi manusia pada komputer. Emosi dapat dikenali dengan menggunakan sinyal suara manusia. Pemodelan neural network dan SVM pernah digunakan untuk mengklasifikasikan sinyal suara manusia ke dalam emosi senang, sedih, dan netral, tetapi hanya mampu mengklasifikasikan emosi ke dalam kategori emosional dan non-emosional. Pemodelan SVM ini dapat menghasilkan data yang overlapping. Dalam pembangunan sistem, emosi sedih diubah menjadi emosi marah karena emosi sedih dan netral memiliki motion capture yang hampir sama, tetapi emosi marah memiliki perbedaan motion capture yang cukup signifikan dari emosi netral. K-Means clustering merupakan metode yang dapat digunakan untuk mengelompokkan objek berdasarkan karakteristiknya tanpa adanya data yang overlapping. Penentuan emosi dalam sebuah cluster dilakukan dengan menggunakan mayoritas emosi untuk setiap cluster. Pembangunan sistem dalam mengimplementasikan K-Means clustering untuk mengelompokkan emosi menggunakan bahasa pemrograman C# dan Python. Berdasarkan uji coba yang dilakukan dan perhitungan akurasi, penggunaan K-Means clustering dalam mengelompokkan emosi memiliki persentase keakuratan sistem sebesar 56.19%.