Klasifikasi Suara Tangisan Bayi Berdasarkan Prosodic Features Menggunakan Metode Moments of Distribution dan K-Nearest Neighbours

  • Aditya Singgi Prayogi Program Studi Teknik Informatika, Universitas Narotama
  • Maulana Rizqi Program Studi Teknik Informatika, Universitas Narotama
  • Tresna Maulana Fahrudin Program Studi Teknik Informatika, Universitas Narotama
Keywords: K-Nearest Neighbour, Moments of Distribution, Prosodic Feature, Suara Tangisan Bayi, Validation Sampling

Abstract

Bagi orang dewasa suara tangisan bayi terdengar sangat mengganggu, apalagi jika tangisannya berlarut-larut. Karena tidak ada yang mengerti arti dari suara tangisan bayi. Dijaman sekarang yang serba otomatis pengenalan suara tangisan bayi dapat dilakukan secara otomatis menggunakan komputer. Jika suara tangisan bayi dapat diartikan secara otomatis oleh komputer maka dapat membantu orang dewasa mengenali kebutuhan si bayi dan si bayi bisa tenang dengan mudah. Pengenalan suara tangisan bayi secara otomatis dapat dilakukan dengan menggunakan sistem perangkat lunak komputer. Sistem tersebut dapat mengidentifikasi suara tangisan bayi menggunakan algoritma klasifikasi. Algoritma yang dapat digunakan untuk melakukan klasifikasi adalah K-Nearest Neighbour. Untuk melakukan klasifikasi suara bayi perlu diubah menjadi data numerik yang dapat digunakan pada proses klasifikasi proses tersebut dinamakan ekstraksi fitur. Ekstraksi fitur yang digunakan pada penelitian ini adalah Prosodic Features. Setelah melewati proses ekstraksi fitur perlu dilakukan pengenalan pola untuk mendapatkan perbedaan pola antara satu data suara tangisan bayi dengan data suara tangisan bayi yang lain menggunakan Metode Moment of Dsitribution. Akurasi terbaik pada proses klasifikasi menggunakan data sampling Percentage Rate yaitu 76% dimana nilai K yang digunakan adalah 9. Sedangkan akurasi terbaik pada proses klasifikasi menggunakan data sampling Leave One Out yaitu 42% dengan nilai K yang digunakan adalah 5.

References

Limantoro, W.S., Fatichah, C., & Yuhana, L. (2016). Rancang Bangun Aplikasi Pendeteksi Suara Tangisan Bayi. Jurnal Teknik ITS, Vol. 5, No. 2, pp. A476-A481.

Dewi, I.A., Zulkarnain, A., Lestari A.A. (2018). Identifikasi Suara Tangisan Bayi menggunakan Metode LPC dan Euclidean Distance. Jurnal Elkomika, Vol 6, No. 1, pp. 153-164.

Manfredi, C., Bandini, A., Melino, D., Viellevoye, R., Kalenga, M., & Orlandi, S. (2018). Biomedical Signal Processing and Control Automated Detection and Classification of Basic Shapes of Newborn Cry Melody. Biomedical Signal Processing and Control, 45, pp. 174–181, https://doi.org/10.1016/j.bspc.2018.05.033.

Singh, N., Khan, R.A. & Shree, R. (2012). MFCC and Prosodic Feature Extraction Techniques: A Comparative Study. International Journal of Computer Applications, Vol. 54, No. 1, pp. 9–13. https://doi.org/10.5120/8529-2061

Huang, Z., Chen, L. & Harper, M. (2006). An Open Source Prosodic Feature Extraction Tool. Proceedings of the Fifth International Conference on Language Resources and Evaluation (LREC’06), pp. 2116–2121.

Sumarlin (2015). Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM. Jurnal Sistem Informasi Bisnis, Vol. 01, pp. 52–62.

Rahagiyanto, A., Basuki, A., & Sigit, R. (2017). Moment Invariant Features Extraction for Hand Gesture Recognition of Sign Language Based on SIBI. EMITTER International Journal of Enginering Technology, Vol. 5,, No. 1, pp. 119–138.

Published
2019-10-31
Section
Articles