Pendeteksi Pengenalan Emosi Pada Manusia Menggunakan Hidden Markov Model Dan Bidirectional Associative Memory Dengan Suara
DOI:
https://doi.org/10.51179/tika.v6i03.756Kata Kunci:
HMM, BAM, Emosi, Suara, DeteksiAbstrak
Sistem pengendalian emosi seseorang melalui suara dapat menggunakan algoritma Hidden Markov Model (HMM). Namun, untuk melihat kinerja algoritma HMM dalam sistem aplikasi sudah optimal atau belum, diperlukan suatu perbandingan agar memperoleh hasil yang lebih maksimal. Maka dari itu peneliti melakukan unjuk kerja pengenalian emosi seseorang dengan menggunakan algoritma HMM dan algoritma Bidirectional Associative Memory (BAM) melalui suara. Hidden Markov Model (HMM) terdiri dari rantai markov pada bagian pertama yang menyembunyikan state, oleh karena itu perilaku internal model tetap tidak terlihat. Sedangkan algoritma BAM dapat memproses input yang tidak lengkap, karena adanya hubungan timbal balik antara dari lapisan output ke lapisan input. Pada algoritma BAM, nilai suara pengujian dan nilai sampel suara pelatihan yang diperoleh akan dicari nilai vektornya menggunakan pencarian nilai bobot yang dilakukan dengan cara mengubah matriks biner ke dalam matriks bipolar. Pada penelitian ini akan membuat sebuah sistem aplikasi yang dapat mendeteksi suara dalam bentuk emosi marah, bahagia, dan netral. Dan database yang digunakan adalah suara dari rekaman film. Penelitian ini dilakukan untuk menghasilkan sistem yang dapat mengenali probabilitas emosi pada kategori marah, bahagia dan netral, yaitu dengan menunjukkan unjuk kerja dari kedua metode sehingga kita dapat mengetahui metode mana menghasilkan output yang maksimal.
Unduhan
Referensi
Chartier, S., Renaud, P., & Boukadoum, M. (2008). A nonlinear dynamic artificial neural network model of memory. New Ideas in Psychology, 26(2), 252–277.
Jabr, N. A. A., & Kareem, E. I. A. (2015). Modify Bidirectional Associative Memory (MBAM). International Journal of Modern Trends in Engineering and Research (IJMTER), 2(08), 136–151.
Nilsson, M., & Ejnarsson, M. (2002). Speech recognition using hidden Markov model.
Shen, D., & Cruz, J. B. (2005). Encoding strategy for maximum noise tolerance bidirectional associative memory. IEEE Transactions on Neural Networks, 16(2), 293–300.
Voss, P. (2007). Essentials of General Intelligence: The Direct Path to Artificial General Intelligence. In B. Goertzel & C. Pennachin (Eds.), Artificial General Intelligence (pp. 131–157). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-68677-4_4
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2021 Rini Meiyanti, Cut Lika Mestika Sandy
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.