Pengenalan Suara Tangisan Bayi dengan Convolutional Neural Network

Cuaca, Victor Samuel (2021) Pengenalan Suara Tangisan Bayi dengan Convolutional Neural Network. Skripsi thesis, Universitas Tarumanagara.

	Text 535170098_Victor Samuel Cuaca_01 Cover.pdf Download (207kB)
	Text 535170098_Victor Samuel Cuaca_02 Lembar Pengesahan.pdf Download (144kB)
	Text 535170098_Victor Samuel Cuaca_03 Lembar Pernyataan.pdf Download (145kB)
	Text 535170098_Victor Samuel Cuaca_04 Abstrak.pdf Download (197kB)
	Text 535170098_Victor Samuel Cuaca_05 Kata Pengantar.pdf Download (207kB)
	Text 535170098_Victor Samuel Cuaca_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (215kB)
	Text 535170098_Victor Samuel Cuaca_07 Bab 1.pdf Restricted to Registered users only Download (243kB)
	Text 535170098_Victor Samuel Cuaca_08 Bab 2.pdf Restricted to Registered users only Download (708kB)
	Text 535170098_Victor Samuel Cuaca_09 Bab 3.pdf Restricted to Registered users only Download (350kB)
	Text 535170098_Victor Samuel Cuaca_10 Bab 4.pdf Restricted to Registered users only Download (319kB)
	Text 535170098_Victor Samuel Cuaca_11 Bab 5.pdf Restricted to Registered users only Download (200kB)
	Text 535170098_Victor Samuel Cuaca_12 Daftar Pustaka.pdf Download (144kB)
	Text 535170098_Victor Samuel Cuaca_13 Lampiran.pdf Restricted to Registered users only Download (2MB)
	Text 535170098_Victor Samuel Cuaca_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (138kB)

Abstract

Pengenalan suara tangisan bayi manusia merupakan topik penelitian yang penting untuk aplikasi seperti baby cry translator/analyzer. Tangisan bayi ini dapat menjadi indikasi ketidaknyamanan bayi seperti kelaparan, tidak nyaman, perut sakit, ingin muntah, ataupun kelelahan. Maka dari itu untuk mengenali suara tangisan bayi dalam penelitian ini, digunakan salah satu jenis algoritma dari deep learning yaitu Convolutional Neural Network (CNN) untuk pengklasifikasiannya. Berdasarkan teori Dunstan Baby Language, suara tangisan bayi ini memiliki karakteritik suara yang unik. Karakteristik ini disebabkan oleh refleks bayi yang bersifat universal dan dapat dikenali. Untuk melatih classifier (model) ini, fitur- fitur suara seperti nada dan formants diekstrak terlebih menggunakan algoritma Mel-Frequency Cepstral Coefficients (MFCC) sebelum dilatih menggunakan CNN. Pada penelitian ini, classifier dilatih menggunakan suara rekaman tangisan bayi dari Donate-A-Cry corpus yang sudah diberikan label berdasarkan alasan dari tangisannya. Namun karena data suara yang didapatkan dari Donate-A-Cry corpus jumlahnya terbatas, dilakukan proses augmentasi data suara untuk memperbanyak data latih yang meliputi menambahkan noise, menggeser waktu, merubah tinggi nada, dan merubah kecepatan. Pengujian dilakukan dengan menguji terlebih dahulu model untuk diperoleh model yang menghasilkan hasil klasifikasi yang terbaik. Pengujian akhir diperoleh akurasi prediksi sebesar 88.76%. Pengujian terhadap classifier ini dievaluasi menggunakan grafik akurasi validasi, loss validasi, confusion matrix, serta F1-score.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Convolutional Neural Network, Deep Learning, Dunstan Baby Language, Mel-Frequency Cepstral Coefficients, Suara Tangisan Bayi
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	21 May 2021 05:12
Last Modified:	03 Aug 2021 00:49
URI:	http://repository.untar.ac.id/id/eprint/29265

Actions (login required)

View Item