ABSTRAKSI: Emosi manusia adalah suatu hal yang terkadang hanya dapat diperkirakan melalui raut wajah dari seseorang saja, atau dari perubahan mimik wajahnya. Namun ternyata emosi manusia juga dapat dideteksi melalui suara yang diucapkannya. Emosi seseorang dalam keadaan tenang, marah, sedih atau senang dapat dideteksi melalui sinyal bicaranya. Pengembangan sistem pengenalan suara masih berjalan untuk sementara waktu ini. Sehingga pada penelitian ini dianalisis emose seseorang melalui sinyal bicaranya.
Pada tugas akhir yang akan dikerjakan ini, dirancang simulasi deteksi emosi manusia tersebut melalui sinyal bicara dengan melaksanakan ekstraksi ciri berbasis Discret Wavelet Transform(DWT) dan Linear Prediction Coding(LPC) untuk mendapatkan karakteristik dasar dari sinyal bicara. Kondisi emosi yang akan dideteksi tersebut nantinya akan menjadi state yang di dapat menggunakan metode KNN dan variabel ekstraksi ciri yang menjadi parameter penentu state.
Dari skenario pengujian terhadap paramater threshold didapat parameter terbaik yaitu 0.05. Setelah dilakukan pengujian terhadap klasifikasi 4 kelas emosi yaitu netral, marah, sedih, dan senang, akurasi tertinggi adalah 95% untuk jumlah 10 tiap-tiap kelas emosi, jumah data uji 5 tiap-tiap kelas emosi dengan menggunakan nilai threshold crop 0.05 yang bekerja maksimal untuk menghilangkan silence voice, ukuran frameyang terbaik dari hasil pengujian adalah 512 data tiap frame, dan parameter ekstraksi ciri yang terbaik adalah nilai level DWT 2 dan nilai k dari KNN adalah 1.KATA KUNCI: Deteksi Emosi, Suara percakapan, DWT, LPC.ABSTRACT: Human emotion is something that sometimes can only be estimated through the expression of a person alone, or of changes in her expression. But it turns out the human emotion can also be detected through the voice was saying. One's emotions in a state of calm, angry, sad or happy speech can be detected through the signal. The development of speech recognition system is still running for the time being. So in this study were analyzed emose someone through speech signals.
At the end of the task to be done is, designed the simulated detection of human emotion through speech signals by performing feature extraction based Discret Wavelet Transform (DWT) and Linear Prediction Coding (LPC) to obtain the basic characteristics of the speech signal. Emotional condition is detected the state will be able to use the method on KNN and variable feature extraction state that becomes the determining parameters.
Of test scenarios against a threshold parameter obtained best parameters is 00:05. After testing the 4-class emotion classification that is neutral, angry, sad, and happy, the highest accuracy was 95% for the number 10 of each class of emotion, the sheer number of test data 5 each emotion class using a threshold value of 0.05 which works maximum crop to eliminate silence the voice, the best frame size of 512 test results are the data of each frame, and the best feature extraction parameters are level DWT 2 value and the value k of KNN is 1.KEYWORD: Emotion Detection , Voice conversations , DWT ,LPC.