Perbandingan Arsitektur Convolutional Neural Network (CNN) dan Long Short Term-Memory (LSTM) Dalam Klasifikasi Dataset Emotional Speech = CHARACTERISTICS AND OUTCOMES OF JEJUNOILEAL ATRESIA IN NEONATES WITH PRECISION MATERNAL RISK FACTORS AT DR. WAHIDIN SUDIROHUSODO HOSPITAL FOR THE PERIOD 2019-2024

Manusia berinteraksi melalui tiga saluran utama yaitu penglihatan, peraba dan suara. Ekspresi suara yang pada umumnya dikenali adalah tertawa, bersenandung, dan lain-lain . Walaupun manusia bisa mengenali ekspresi emosional dengan baik, penelitian pengenalan ekspresi emosional yang dilakukan oleh mesin terus dilakukan agar dapat melakukan pengenalan ekspresi emosional dalam interaksi manusia dan komputer. Untuk memanfaatkan sepenuhnya perbedaan saturasi emosional antara kerangka waktu, diusulkan untuk pengenalan ucapan menggunakan ekstraksi fitur yang dimanfaatkan oleh algoritma Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Penelitian ini menggunakan arsitektur LSTM dan CNN yaitu VGG16, VGG19, dan InceptionV3 untuk pengklasifikasian emosi suara melalui input berupa citra dan array. Pada penelitian ini dataset yang digunakan yaitu TESS, dengan 14 kelas dan 2800 jumlah data. Dengan melakukan training sebanyak 100 epoch dan akan dilakukan proses evaluasi kinerja model dengan menggunakan precision, recall, dan f1-score.