Perpustakaan Digital ITB

Dalam interaksi manusia, emosi merupakan aspek yang memiliki peranan dalam memengaruhi informasi yang disampaikan. Pengembangan bentuk interaksi manusi dan komputer telah banyak melibatkan aspek emosi. Beberapa penelitian pengenalan emosi dalam bahasa Indonesia telah dilakukan untuk mengenali emosi per segmen ucapan. Natur pengenalan emosi tidak hanya dilakukan per ucapan, namun per cakapan yaitu ucapan berurutan yang mengandung sebuah konteks tertentu. Oleh karena itu, dilakukan eksperimen guna membangun sistem pengenal emosi cakapan dalam bahasa Indonesia. Untuk membangun sistem pengenal emosi cakapan, diperlukan korpus emosi yang sesuai dan dapat digunakan untuk melakukan pemodelan. Korpus data tersebut belum tersedia. Pada penelitian ini, dibangun sebuah korpus emosi baru yang diperoleh dengan melakukan akuisisi data rekaman 46 tayangan podcast. Korpus emosi yang dibangun terdiri 2003 cakapan dan 10822 ucapan yang memiliki label diantara 6 kelas emosi yaitu senang, sedih, marah, jijik, takut, dan terkejut. Sistem pengenal emosi cakapan dalam bahasa Indonesia dibangun melalui eksperimen dengan melibatkan algoritma Recurrent Neural Network (RNN) guna menangkap informasi antar ucapan yang bersifat sekuensial. Pembelajaran pengenalan emosi cakapan dilakukan berdasarkan kelompok fitur akustik/prosodi dan fitur leksikal. Dalam eksperimen, dilakukan proses pencarian fitur dan teknik pemodelan terbaik untuk menghasilkan model yang memberikan performa paling optimal. Model dilakukan pengujian berdasarkan pengenalan emosi terhadap data. Model pengenal emosi gabungan bertahap level fitur yang dibangun berdasarkan fitur akustik/prosodi dan leksikal teruji memiliki performa terbaik dengan F-measure sebesar 0.5817 untuk 6 kelas emosi dan 0.7252 untuk 4 kelas emosi. Model gabungan bertahap level keputusan memberikan nilai F-measure sebesar 0.5578 untuk 6 kelas emosi dan 0.6924 untuk 4 kelas emosi. Selain itu, dalam eksperimen, diperoleh model gabungan langsung level fitur, model gabungan langsung level keputusan, model akustik langsung, model akustik bertahap, model leksikal langsung, dan model leksikal bertahap untuk masing-masing 6 kelas emosi dan 4 kelas emosi.