Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Nasional Teknik Industri, Sistem Informasi dan Teknik Informatika
Vina Afrilia Kurniawan
Institut Teknologi Telkom Purwokerto
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Tangisan Bayi Klasifikasi Tangisan Bayi Berdasarkan Amplitudo Frekuensi Suara Menggunakan Algoritma MFCC dan CNN Chandra Ayunda Apta Soemedhy; Dwi Puspa Martiyaningsih; Vina Afrilia Kurniawan
Jurnal Teknik Industri, Sistem Informasi dan Teknik Informatika Vol. 1 No. 1 (2022): Jurnal Teknik Informatika, Sistem Infomasi dan Teknik Industri
Publisher : Universitas Bakti Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Suara tangisan bayi dapatmengidentifikasikan masalah bayi, seperti sedih, bahagia, ngantuk, dan lapar. Tetapi tidak semua orang dewasa mengerti dan memahami arti tangisan bayi. Terutama bagi orang tua baru yang belummemiliki pengalaman untuk mengasuh seorang anak. Pada era digital saat ini, dibutuhkan suatu sistem untuk mengidentifikasi suara bayi. Pernah dilakukan penelitian mengenai tangis bayimenggunakan algoritma Metode Moments of Distribution dan KNearest Neighbours dengan tingkat akurasi masih dibawah 50%. Sehingga perlu dilakukan pengembangan Identifikasi tersebutdengan menggunakan metode algoritma Mel Frequency Cepstrum Coefficient (MFCC) dan Convolutional Neural Network (CNN). Langkah pertama yaitu dengan melakukan ekstraksi ciridengan amplitudo menggunakan algoritma MFCC, selanjutnya hasil dari ekstraksi ciri dapat ditentukan nilai tengah dari amplitudonya. Untuk pengkategorian sedih dan Bahagia didapatkan nilai tengah 0.5, sedangkan untuk lapar dan mengantuk didapat nilai tengah 0.6 pada data I dan III dan 0.875 pada data II. Selanjutnya diklasifikasikan denganalgoritma CNN dan akurasi yang didapatkan untuk kategori sedih dan bahagia adalah 95% dengan presentase probabilitas kebenaran pengujian terhadap sampel diatas 75%, sedangkan untuk kategori lapar dan mengantuk adalah 100% denganpresentase probabilitas kebenaran pengujian terhadap sampel berkisar 63% sampai 100%.
Co-Authors Chandra Ayunda Apta Soemedhy Dwi Puspa Martiyaningsih