Deteksi Emosi Suara Berbahasa Indonesia Berbasis Web Menggunakan MFCC dan BiLSTM

Web-Based Indonesian Speech Emotion Recognition Using MFCC and BiLSTM

Abstrak

Deteksi emosi suara berbahasa Indonesia masih menghadapi tantangan karena keterbatasan dataset lokal dan belum banyaknya implementasi dalam bentuk sistem yang dapat digunakan secara langsung. Penelitian ini bertujuan mengembangkan sistem deteksi emosi suara berbahasa Indonesia berbasis web menggunakan ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC) dan klasifikasi Bidirectional Long Short-Term Memory (BiLSTM). Dataset yang digunakan merupakan dataset hybrid yang terdiri atas 1.200 berkas audio dari 40 aktor dengan lima kelas emosi, yaitu netral, senang, terkejut, jijik, dan kecewa. Fitur suara diekstraksi menggunakan 40 koefisien MFCC yang dikombinasikan dengan Delta dan Delta-Delta, kemudian diklasifikasikan menggunakan model BiLSTM dengan attention pooling. Hasil evaluasi pada data uji menunjukkan akurasi sebesar 80,56% dan Macro F1-score sebesar 0,8060. Model juga diimplementasikan ke dalam sistem web Serambi Emosi. Hasil pengujian Black-Box menunjukkan seluruh fungsi berjalan valid, sedangkan evaluasi usability menggunakan System Usability Scale memperoleh skor 71,25 dengan kategori Good. Hasil ini menunjukkan bahwa MFCC dan BiLSTM berpotensi digunakan sebagai prototipe pendukung analisis kondisi emosional berbasis suara.