Deteksi Emosi dari Suara Menggunakan MFCC dan Algoritma SVM

Abstrak

Speech Emotion Recognition (SER) merupakan salah satu bidang penelitian dalam kecerdasan buatan yang bertujuan mengenali kondisi emosional seseorang berdasarkan karakteristik suara. Kemampuan mengenali emosi dari suara memiliki peran penting dalam pengembangan sistem interaksi manusia dan komputer yang lebih adaptif, seperti asisten virtual, layanan pelanggan otomatis, serta aplikasi kesehatan digital. Penelitian ini bertujuan membangun sistem deteksi emosi suara menggunakan metode ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC) dan algoritma klasifikasi Support Vector Machine (SVM). Dataset yang digunakan adalah Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS) yang terdiri dari 1.440 file audio dengan delapan kategori emosi, yaitu neutral, calm, happy, sad, angry, fearful, disgust, dan surprised. Tahapan penelitian meliputi preprocessing berupa pre-emphasis dan penghilangan segmen senyap, ekstraksi fitur MFCC, Delta MFCC, Delta-Delta MFCC, serta fitur komplementer berupa Zero Crossing Rate (ZCR), Root Mean Square (RMS) Energy, dan Spectral Centroid. Seluruh fitur diringkas menggunakan nilai rata-rata dan standar deviasi sehingga menghasilkan 84 fitur untuk setiap sampel audio. Selanjutnya dilakukan normalisasi menggunakan StandardScaler dan klasifikasi menggunakan SVM dengan kernel Radial Basis Function (RBF). Hasil penelitian menunjukkan bahwa model memperoleh akurasi pelatihan sebesar 97,31% dan akurasi pengujian sebesar 64,58%. Evaluasi menggunakan 5-Fold Cross Validation menghasilkan rata-rata akurasi sebesar 67,01% dengan standar deviasi 1,89%, yang menunjukkan performa model cukup stabil. Analisis confusion matrix menunjukkan bahwa emosi angry, calm, dan disgust memiliki tingkat pengenalan yang lebih baik dibandingkan kategori emosi lainnya. Hasil penelitian membuktikan bahwa kombinasi MFCC dan SVM mampu melakukan klasifikasi emosi suara dengan performa yang cukup baik, meskipun masih ditemukan indikasi overfitting pada beberapa kategori emosi yang memiliki karakteristik akustik serupa