KLASIFIKASI EMOSI BERDASARKAN SUARA PADA DATASET CREMA-D MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Emosi memainkan peran yang sangat penting dalam kehidupan manusia, mempengaruhi cara kita berinteraksi dengan lingkungan dan orang lain. Setiap individu merasakan beragam emosi, yang dapat muncul sebagai reaksi terhadap berbagai peristiwa atau tindakan yang terjadi dalam hidupnya. Emosi ini, yang meliputi kecemasan, kebosanan, kebahagiaan, ketakutan, dan frustrasi, sering kali mempengaruhi perilaku, keputusan, dan bahkan komunikasi antar individu. Emosi dapat diklasifikasikan berdasarkan suara menggunakan teknologi Speech Emotion Recognition (SER). Salah satu metode yang populer dalam klasifikasi emosi adalah Convolutional Neural Network (CNN). Penelitian ini menggunakan dataset (CREMA-D. Model CNN yang dibangun mampu mengenali emosi dengan akurasi rata-rata berkisar antara 80% hingga 86%, dengan performa terbaik ditunjukkan pada emosi Angry dan Sad. Untuk meningkatkan kinerja model, digunakan teknik augmentasi data seperti Gaussian noise, time stretching, dan pitch shifting, yang memberikan variasi tambahan dan sedikit meningkatkan performa, khususnya saat dikombinasikan dengan data asli. Beberapa emosi seperti Fear dan Disgust masih sulit dikenali secara akurat. Selain itu, perbedaan performa antara data pelatihan dan validasi menunjukkan indikasi overfitting, sehingga pengembangan lebih lanjut perlu difokuskan pada peningkatan generalisasi model dengann penerapan teknik regularisasi dan validasi silang agar model lebih andal dalam menghadapi data baru.

Kata Kunci: convolutional neural network (CNN), CREMA-D, klasifikasi emosi, speech emotion recognition (SER)