Prediksi Valence Suara dalam Klasifikasi Emosi Menggunakan Hidden Unit Large Language Model Meta Artificial Intelligence

Budiono, Irwanda Arofana (2024) Prediksi Valence Suara dalam Klasifikasi Emosi Menggunakan Hidden Unit Large Language Model Meta Artificial Intelligence. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002201158-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (10MB) | Request a copy

Abstract

Pengenalan emosi menjadi sangat sulit dilakukan apabila seseorang enggan atau bahkan tidak ingin menunjukkannya dengan jelas. Adapun emosi dapat dialihkan secara cepat untuk menutupinya. Sehingga, prediksi valence menjadi penting untuk mengungkap kebenaran emosi seseorang. Oleh karena itu, penelitian Tugas Akhir ini bertujuan untuk memprediksi valence suara dalam klasifikasi emosi menggunakan model deep learning. Hasil penelitian menunjukkan bahwa model HuLLaMA mampu memprediksi valence emosi dengan akurasi yang tinggi. Evaluasi performa model dilakukan menggunakan metrik Concordance Correlation Coefficient (CCC), yang menunjukkan bahwa HuLLaMA memberikan hasil yang lebih baik dibandingkan dengan model baseline lainnya. Studi ini menekankan pentingnya prediksi valence dalam pengungkapan emosi seseorang dan mengusulkan model HuLLaMA sebagai solusi yang efektif dalam klasifikasi emosi berdasarkan suara.

==========================================================

Emotion recognition becomes an arduous task when someone tends to hide their true nature. Within flash moments, true emotion can be covered. That is why valence prediction is important to reveal someone’s real emotions. In this study, we propose a deep learning model to predict the voice valence for classifying the emotion. This study proposes an integrated model between Hidden Unit Bidirectional Encoder Representations from Transformers (HuBERT) and Large Language Model Meta Artificial Intelligence (LLaMA), called HuLLaMA. The proposed model will be tested on a public dataset for emotion classification with valence values. The results are expected the proposed model can accurately predict the voice valence and classify the emotion. The results indicate that the HuLLaMA model can accurately predict emotional valence. Performance evaluation was conducted using the Concordance Correlation Coefficient (CCC) metric, demonstrating that HuLLaMA outperforms other baseline models.

Item Type:	Thesis (Other)
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Irwanda Arofana Budiono
Date Deposited:	07 Aug 2024 17:16
Last Modified:	07 Aug 2024 17:16
URI:	http://repository.its.ac.id/id/eprint/113767

Actions (login required)

View Item