MODEL DETEKSI STRES MELALUI ANALISIS SUARA DALAM LINGKUNGAN NON-STASIONER MULTI SPEAKER DENGAN PENDEKATAN DEEP LEARNING = Stress Detection Model Through Speech Analysis in Multi Speaker Non-Stationary Environment with Deep Learning Approach

PHIE CHYAN. Model Deteksi Stres Melalui Analisis Suara Dalam Lingkungan Non-Stasioner Multi Speaker dengan Pendekatan Deep Learning (dibimbing oleh Andani Achmad, Ingrid Nurtanio, Intan Sari Areni) Stres merupakan suatu kondisi psikologis yang memerlukan penanganan yang tepat karena berpotensi menimbulkan dampak jangka panjang terhadap kesehatan dan kemampuan kognitif. Hal ini relevan terutama ketika mempertimbangkan anak-anak usia pra dan awal sekolah, dimana stres dapat menimbulkan berbagai dampak buruk bagi fisik dan psikis mereka. Penggunaan suara ucapan merupakan salah satu pendekatan yang dapat digunakan untuk mendeteksi stres. Pendekatan ini memiliki kelebihan yang memungkinkan deteksi dilakukan tanpa menimbulkan ketidaknyamanan pada subjek dan tidak mensyaratkan tingkat kemampuan kognitif tertentu pada subjek yang dideteksi. Saat ini meskipun penelitian terkait deteksi stres melalui suara sudah banyak dilakukan akan tetapi umumnya akuisisi suara dilakukan dalam lingkungan stasioner yang membatasi potensi deteksi stres dilakukan dalam situasi yang riil dimana kebanyakan aktivitas sosial manusia dilakukan dalam lingkungan non stasioner dimana terdapat banyak derau dan suara pembicara yang saling tumpang tindih. Penelitian ini bertujuan untuk mengembangkan model deteksi stres melalui analisis karakteristik suara ucapan di lingkungan non stasioner multispeaker. Model ini menerima masukan suara dari lingkungan aktivitas, yang terdapat kebisingan dan banyak suara pembicara yang tumpang tindih. Audio yang diperoleh kemudian dipisahkan menggunakan algoritma speech separation berbasis deep learning dengan arsitektur RNN, menghasilkan keluaran sebagai suara ucapan yang tersegregasi. Suara ucapan tersebut kemudian diekstraksi untuk fitur-fiturnya dan dimasukkan ke model deteksi stres berdasarkan arsitektur CNN, yang memprediksi status stres pembicara. Hasil eksperimen menunjukkan bahwa model yang diusulkan mampu melakukan pemisahan ucapan hingga lima pembicara dan memprediksi status stres subjek dengan akurasi dan F1 score ratarata masing-masing 95,6% dan 94,8%.

Keyword : Deteksi stres, suara ucapan, speech separation, deep learning