Pengenalan Emosi Ucapan Menggunakan Bidirectional Long Short Term Memory Pada Podcast Malaka

Kharisma Dwi Pratiwi; Bambang Irawan; Otong Saeful Batchri

doi:10.30865/json.v7i3.9432

Authors

Kharisma Dwi Pratiwi Universitas Muhadi Setiabudi
Bambang Irawan Universitas Muhadi Setiabudi
Otong Saeful Batchri Universitas Muhadi Setiabudi

DOI:

https://doi.org/10.30865/json.v7i3.9432

Keywords:

Speech Emotion Rcognition , LSTM , BiLSTM, Emosi, Podcast

Abstract

Penelitian ini mengembangkan sistem pengenalan emosi ujaran berbahasa Indonesia menggunakan metode Bidirectional Long Short Term Memory (BiLSTM) dengan sumber data berupa ujaran alami dari podcast Malaka. Dataset diperoleh dari audio YouTube yang di konversi ke format WAV, disegmentasi, serta dilabeli emosi marah, netral, sedih dan senang berdasarkan acuan dataset CREMA-D. Tahapan prapemrosesan meliputi silce removal, normalisasi sinyal, dan augmentasi data. Ektrasi ciri dilakukan menggunakan Mel-Frequency Cepstral Coefficients (MFCC) beserta fitur delta dan delta-delta untuk mempresentasikan karakteristik spektral dan temporal sinyal suara. Model Bidirectional Long Short Term Memory dilatih dengan pembagian data 80% data latih, 10% data validasi, dan 10% data uji, serta dioptimasi dengan menggunakan algoritma adam. Hasil pengujian menunjukan bahwa model mencapai akurasi terbaik sebesar 80.32% dengan nilai pecision, recall, dan f1-score yang relatif seimbang pada seluruh kelas emosi. Hasil ini menunjukan bahwa Bidirectional Long Short Term Memory (BiLSTM) efektif dalam memodelkan dinamika temporal emosi pada ujaran podcast berbahasa indonesia.

References

J. Nesi, E. H. Telzer, and M. J. Prinstein, Handbook of Adolescent Digital Media Use and Mental Health. 2022. doi: 10.1017/9781108976237.

F. KASYIDI, R. ILYAS, and N. M. ANNISA, “Peningkatan Kemampuan Pengenalan Emosi Melalui Suara dalam Bahasa Indonesia,” MIND J., vol. 6, no. 2, pp. 194–204, Dec. 2021, doi: 10.26760/mindjournal.v6i2.194-204.

T. B. Putri, S. Saidah, B. Hidayat, F. Qothrunnada, T. Telekomunikasi, and U. Telkom, “Deteksi Emosi Berdasarkan Sinyal Suara Manusia Menggunakan Discrete Wavelet Transform ( DWT ) Dengan Klasifikasi Support Vector Machine ( SVM ) antar manusia tidak selalu terjadi dengan baik , ada beberapa faktor dari interaksi yang dapat berekspresi atau,” vol. 3, no. 1, pp. 1–10, 2023.

S. Helmiyah, A. Fadlil, A. Yudhana, A. Dahlan, and P. Studi Teknik Elektro, “Pengenalan Pola Emosi Manusia Berdasarkan Ucapan Menggunakan Ekstraksi Fitur Mel-Frequency Cepstral Coefficients (MFCC) Speech Based Emotion Pattern Recognition Using Mel-Frequency Cepstral Coefficients (MFCC) Feature Extraction,” Cogito Smart J., vol. 4, no. 2, p. 372, 2018.

F. J. Tanudjaja, E. Y. Puspaningrum, and Y. V. Via, “Klasifikasi Jenis Emosi Melalui Ucapan Menggunakan Metode Convolutional Neural Network,” Teknologi, vol. 13, no. 2, pp. 1–11, 2023, doi: 10.26594/teknologi.v13i2.3740.

H. K. Bhuyan, B. Brahma, N. K. Kamila, S. Peram, B. Leelambika, and A. Sahu, “Mel-Spectrograms Based LSTM Model for Speech Emotion Recognition,” Trait. du Signal, vol. 42, no. 3, pp. 1353–1365, 2025, doi: 10.18280/ts.420312.

R. A. Nawasta, N. H. Cahyana, and H. Heriyanto, “Implementation of Mel-Frequency Cepstral Coefficient as Feature Extraction using K-Nearest Neighbor for Emotion Detection Based on Voice Intonation,” Telematika, vol. 20, no. 1, p. 51, 2023, doi: 10.31315/telematika.v20i1.9518.

N. Aini Lailla Asri, R. Ibnu Adam, and B. Arif Dermawan, “Speech Recognition Untuk Klasifikasi Pengucapan Nama Hewan Dalam Bahasa Sunda Menggunakan Metode Long-Short Term Memory,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1242–1247, 2023, doi: 10.36040/jati.v7i2.6744.

N. D. Pah, PEMROSESAN SINYAL DIGITAL, Edisi Pert. Yogyakarta: Graha Ilmu, 2018.

C. Roy et al., “Stacked convolutional neural network for emotion recognition using multi feature speech analysis,” Sci. Rep., vol. 15, no. 1, Dec. 2025, doi: 10.1038/s41598-025-28766-0.