Klasifikasi Tangisan Bayi Klasifikasi Tangisan Bayi Berdasarkan Amplitudo Frekuensi Suara Menggunakan Algoritma MFCC dan CNN

Abstract

Suara tangisan bayi dapat
mengidentifikasikan 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 belum
memiliki pengalaman untuk mengasuh seorang
anak. Pada era digital saat ini, dibutuhkan suatu
sistem untuk mengidentifikasi suara bayi. Pernah
dilakukan penelitian mengenai tangis bayi
menggunakan algoritma Metode Moments of
Distribution dan KNearest Neighbours dengan
tingkat akurasi masih dibawah 50%. Sehingga perlu
dilakukan pengembangan Identifikasi tersebut
dengan menggunakan metode algoritma Mel
Frequency Cepstrum Coefficient (MFCC) dan
Convolutional Neural Network (CNN). Langkah
pertama yaitu dengan melakukan ekstraksi ciri
dengan 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 dengan
algoritma 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% dengan
presentase probabilitas kebenaran pengujian
terhadap sampel berkisar 63% sampai 100%.