Hasil Pencarian  ::  Simpan CSV :: Kembali

"Rekognisi emosi multimodal merupakan bidang riset yang krusial untuk menciptakan interaksi manusia-komputer yang lebih alami dan empatik, mengingat pendekatan unimodal seringkali gagal menangkap kompleksitas ekspresi emosi manusia yang diekspresikan melalui berbagai kanal secara bersamaan. Penelitian ini membahas pengembangan model multimodal untuk rekognisi emosi dengan memanfaatkan ekspresi wajah dan intonasi suara pada dataset RAVDESS. Sistem dibangun melalui dua tahap utama, yaitu pelatihan model unimodal menggunakan fitur ekspresi wajah hasil pengukuran Expression Measurement Hume AI serta fitur intonasi suara, dan pengembangan model multimodal melalui pendekatan late fusion. Model unimodal dikembangkan dengan algoritma Random Forest. Kemudian, performanya dievaluasi pada berbagai panjang jendela waktu (0.25s, 0.33s, 0.5s, 1s). Hasil eksperimen menunjukkan bahwa model unimodal memiliki performa berbeda pada setiap modalitas, dengan model wajah cenderung unggul atas prosodi. Selanjutnya, model multimodal dikembangkan dengan dua teknik late fusion, yaitu averaging probabilities dan stacking dengan algoritma Logistic Regression sebagai meta-classifier. Evaluasi menunjukkan bahwa kedua teknik late fusion secara konsisten meningkatkan akurasi klasifikasi dibandingkan model unimodal, dari akurasi klasifikasi sekitar 39% untuk model unimodal terbaik, menjadi hingga 51% untuk model multimodal terbaik. Hasil ini mengonfirmasi bahwa integrasi kedua modalitas melalui teknik late fusion dapat memberikan prediksi emosi yang lebih andal.

---

Multimodal emotion recognition is a crucial research area for developing more natural and empathetic human-computer interactions, as unimodal approaches often fail to capture the complexity of human emotional expression conveyed through multiple channels simultaneously. This study investigates the development of a multimodal model for emotion recognition by leveraging facial expression and speech prosody features from the RAVDESS dataset. The system is built in two main stages: training unimodal models using facial expression features extracted by Hume AI’s Expression Measurement and prosodic features, followed by developing multimodal models through late fusion approaches. Unimodal models are developed using the Random Forest algorithm and evaluated across various time window lengths (0.25s, 0.33s, 0.5s, and 1s). Experimental results show that unimodal models have differing performance depending on the modality, with facial features generally outperforming prosody. Multimodal models are then developed using two late fusion techniques: Averaging Probabilities and Stacking with logistic regression as the meta-classifier. Evaluation demonstrates that both late fusion techniques consistently improve classification accuracy over unimodal models, raising performance from around 39% for the best unimodal model to up to 51% for the best multimodal model. These results confirm that integrating facial and vocal modalities through late fusion can provide more reliable emotion predictions. "

"ABSTRAKPengenalan emosi melalui analisis ekspresi wajah merupakan bidang riset kecerdasan buatan yang sedang berkembang serta memiliki banyak tantangan. Hal ini disebabkan karena emosi merupakan komponen penting dalam kehidupan manusia terutama dalam berinteraksi dan berkomunikasi, sehingga perlu dikembangkan sebuah sistem cerdas yang mampu mengenali emosi manusia. Permasalahannya adalah banyaknya variasi ekspresi wajah yang menunjukkan emosi manusia. Selain itu, manusia secara subyektif dapat mengekspresikan suatu emosi yang sama dengan beragam cara dan jenis pergerakan komponen wajah yang berbeda, bahkan ambigu antar jenis emosi. Psikolog mengkategorikan emosi menjadi dua kategori, yaitu emosi dasar dan emosi campuran. Penelitian pengenalan emosi dasar (marah, jijik, takut, senang, sedih, terkejut) telah banyak dilakukan, namun pengenalan emosi campuran merupakan tantangan yang belum banyak dieksplorasi karena kompleksitasnya yang tinggi. Kemunculan emosi campuran berbeda dari emosi dasar, karena emosi campuran merupakan kombinasi dari emosi dasar dalam suatu ekspresi wajah. Untuk mengatasi permasalahan subyektifitas dan ambiguitas ekspresi emosi, diperlukan pendekatan fuzzy dalam menganalisis linguistik komponen wajah untuk menentukan jenis emosi. Dalam penelitian ini, diajukan sebuah framework untuk pengenalan emosi berbasis konsep fuzzy emotion yang merupakan representasi pengetahuan pakar psikolog berbasis sistem fuzzy. Tiga tahap dalam framework pengenalan emosi berbasis konsep fuzzy emotion yaitu: ekstraksi fitur wajah dengan Active Appearance Model (AAM) dan analisis geometrik fitur komponen wajah; pemrosesan fitur tingkat tinggi dengan Fuzzy Facial Component Inference System (FFCIS); dan penentuan nilai emosi fuzzy emotion dengan Fuzzy Emotion Inference System (FEIS). Pengujian performa sistem memberikan hasil pengenalan terbaik pada dataset ekspresi wajah extended Cohn Kanade (CK+) dengan akurasi pengenalan linguistik komponen wajah 0.98, dan akurasi pengenalan emosi 0.90. Pengujian pengenalan emosi juga dilakukan menggunakan dataset Indonesian Mixed Emotion Dataset (IMED) yang menghasilkan akurasi pengenalan 0.87. Framework pengenalan emosi berbasis konsep fuzzy emotion berpotensi untuk diterapkan dalam berbagai permasalahan nyata seperti deteksi rasa sakit, deteksi stress, deteksi kebohongan, dan rekonstruksi animasi.

---

ABSTRACTEmotion recognition through facial expression analysis is an emerging research in the area of Artificial Intelligence which is still facing many challenges. Emotions are an important component in human life, especially in an interaction and communication. Therefore, an intelligent system that is able to recognize human emotions needs to be developed. The problem is in the variation of facial expressions that displays human emotions. In addition, humans can subjectively express the same emotions in various ways with different facial component movements, even ambiguous between classes of emotions. Psychologist categorized emotion into two classes, basic emotion and mixed emotion. Basic emotion recognition research (anger, disgust, fear, happy, sadness, surprise) has been done a lot, but mixed emotion recognition is an open challenge that has not been widely explored due to the complexity of the problem. The appearance of mixed emotions is different from basic emotions; mixed emotion is a combination of basic emotions in a facial expression. To overcome the problem of subjectivity and ambiguity of emotion expression, a fuzzy approach is developed to analyze the facial components in determining the type of emotion. In this study, we propose a framework for fuzzy emotion recognition which is a representation of the expert psychologist knowledge based on fuzzy systems. Three stages in the fuzzy emotion recognition: facial feature extraction with Active Appearance Model (AAM) and geometric analysis of facial component features; high level feature processing with Fuzzy Facial Component Inference System (FFCIS); and fuzzy emotion recognition with Fuzzy Emotion Inference System (FEIS). System performance testing provided the best results on extended Cohn Kanade (CK+) facial expression dataset, with the accuracy of linguistic facial component recognition 0.98, and accuracy of fuzzy emotion recognition 0.90. Testing was also done using Indonesian Mixed Emotion Dataset (IMED) dataset which resulted in accuracy of 0.87. The fuzzy emotion recognition has a potential to be applied in various real problems such as pain detection, stress detection, lie detection, and animation reconstruction."

"Dalam beberapa tahun terakhir, permintaan produk perawatan pria tumbuh cukup signifikan. Fenomena ini menarik banyak investor yang mendorong industri periklanan untuk membuat iklan baru dan inovatif yang menarik perhatian publik dan menjual produk dengan lebih baik. Pantene sebagai merek besar yang berspesialisasi dalam produk perawatan rambut juga telah membuat beberapa iklan progresif terkait dengan isu gender terkini. Dalam penelitian ini, peneliti bertujuan untuk menyelidiki bagaimana gagasan tentang gender diekspresikan melalui aspek multimodal yang digunakan dalam iklan Pantene Australia dan Indonesia menggunakan teori Halliday Systemic Functional Linguistics (1994), Kress and van Leeuwen Visual Grammar (2006), dan Anstey and Bull's multimodal semiotic system (2010). Data yang digunakan adalah dari iklan Pantene Australia “DareToDoXtra” dan Pantene Indonesia “Miracles Hair Supplement Baru” yang dikumpulkan dari YouTube. Hasil penelitian menunjukkan bahwa Pantene Australia dan Indonesia sama-sama mengindikasikan upaya untuk mempromosikan ide fluiditas gender melalui iklan mereka. Namun, analisis lebih lanjut pada aspek multimodal mengungkapkan adanya beberapa pendekatan bahasa berbasis gender yang umumnya dikaitkan dengan ideologi feminitas. Karena sifatnya yang kontradiktif, kehadiran pendekatan bahasa berbasis gender dalam bentuk apapun akan mengurangi makna utama dari pesan fluiditas gender yang ingin disampaikan oleh kedua iklan tersebut.

---

In recent years, the demand for male grooming products have been growing quite significantly. This phenomenon attracts a large number of investors prompting the advertising industry to create fresh and innovative advertisements that draw public attention and sell products better. Pantene as a global brand that specializes in hair care products has also made several progressive ads in association with current gender issues. In this research, the researcher aims to investigate how ideas about gender are expressed through the multimodal aspects being employed in Pantene Australia and Indonesia ads by means of Halliday Systemic Functional Linguistics (1994), Kress and van Leeuwen's Visual Grammar (2006), and Anstey and Bull's multimodal semiotic system theory (2010). The data used are from Pantene Australia “DareToDoXtra” ad and Pantene Indonesia “Miracles Hair Supplement Baru” collected from YouTube. The results suggest that Pantene Australia and Indonesia both indicate an attempt to promote the idea of gender fluidity through their ads. However, further analysis on its multimodal aspects reveals the presence of numerous gender-based approaches typically linked with the prevalent ideologies of femininity. Due to its contradictory nature, the presence of a gendered language in any form, negates/diminishes the focal message of gender fluidity that both ads try to convey."

"Pendahuluan: Skizofrenia dapat mengganggu interpretasi ekspresi wajah sehingga berdampak negatif terhadap kehidupan pasien. Interpretasi ekspresi emosi wajah dipengaruhi oleh etnis dan budaya. Belum tersedia instrument interpretasi ekspresi wajah berdasarkan budaya Indonesia. Penelitian ini bertujuan melakukan standardisasi Instrumen Ekspresi Emosi Wajah Versi Indonesia di antara orang sehat. Metode: Mahasiswa kedokteran Universitas Indonesia yang memenuhi kriteria inklusi diminta untuk memilih jenis, valensi, dan arousal emosi dari 69 foto wajah yang divalidasi oleh psikiater. Foto wajah merupakan foto wajah dari sepuluh aktor yang menampilkan secara acak 7 jenis emosi dasar (netral, bahagia, sedih, marah, terkejut, jijik, takut). Hasil: Seratus enam mahasiswa kedokteran dengan rerata usia adalah 20 (18-22) tahun memiliki skor BAI (Beck Anxiety Inventory) yaitu 16.18±9.3 dan skor BDI (Beck Depression Inventory) yaitu 16 menginterpretasikan ekspresi emosi wajah dari 69 foto wajah untuk memperoleh nilai standar (rerata konsistensi, skor valensi dan arousal) dan confusion matrix Instrumen Ekspresi Emosi Wajah Versi Indonesia. Rerata konsistensi tiap jenis emosi yaitu senang (86.5%), terkejut (84.2%), marah (76.5%), netral (75.9%), jijik (71.6%), sedih (58.4%), dan takut (50%). Skor valensi tiap jenis emosi yaitu senang (4±0.4), netral (3±0.3), terkejut (2.7±0.2), jijik (2.2±0.1), sedih (2.1±0.2), marah (2.1±0.2), dan takut (2). Skor arousal tiap jenis emosi yaitu senang (3.6±0.3), takut (3.5), sedih (3.4±0.2), marah (3.4±0.2), terkejut dan jijik (3.3±0.2), netral (2.9±0.4). selain itu, berdasarkan confusion matrix, jenis emosi yang sering membuat partisipan bingung adalah takut 50% dan jijik (32.1%). Kesimpulan: Instrumen Ekspresi Emosi Wajah Versi Indonesia memiliki nilai standar berupa rerata konsistensi, valensi, dan arousal; dan confusion matrix dari 7 emosi dasar yaitu netral, senang, sedih, marah, terkejut, jijik, dan takut."

"ABSTRAKMengenali emosi dasar seseorang melalui analisa komponen wajah bukanlah hal yang mudah. Untuk itu sampai saat ini penelitian pada bidang ini masih terus berkembang, seperti penelitian ini yang terinspirasi dari pekerjaan yang telah dikembangkan lebih dahulu oleh Dewiyanti (2018). Adapun kontribusi utama pada penelitian ini adalah meningkatkan akurasi pengenalan komponen wajah menggunakan pendekatan yang lebih mendalam dari ciri geometris yang sebelumnya digunakan yakni dengan menambahkan beberapa definisi ciri lain seperti rasio jarak pada alis dalam, hidung dan juga mata serta dengan menggunakan perhitungan tambahan dalam proses untuk mendapatkan nilai eccentricity. Selain itu hal lain yang dilakukan adalah melakukan training ulang AAM (Active Appearance Model) menggunakan dataset HELEN yang lebih representatif sehingga mendapatkan model yang lebih baik. Disamping itu juga dilakukan penambahan proses perbaikan kualitas citra sebelum proses fitting AAM.Dengan menggunakan semua kombinasi tersebut pada sistem pengenalan komponen wajah, penelitian ini mampu menghasilkan hasil akurasi yang lebih baik pada dataset yang sama yakni CK+ dari akurasi penelitian sebelumnya oleh Dewiyanti (2018) sebesar 97.99% menjadi sebesar 98.95% dan pada dataset lain seperti MUG dengan akurasi sebesar 93.18% serta akurasi sebesar 94.58% untuk dataset IMED yang pada penelitian sebelumnya belum diujicobakan.

---

ABSTRACTRecognizing a person's basic emotions through facial component analysis is not easy task. So until now research in this field is still evolving, like this research which is inspired by research from Dewiyanti(2018). The main contribution of this research is to improve the accuracy of recognition component of the face using an approach that is more profound than characteristic geometric previously used by adding some other features such as the ratio of the distance on inner eyebrows, nose and eyes as well asusing additional calculations in the process to get eccentricity value. Moreover, another thing is retrained the AAM (Active Appearance Model) with HELEN dataset to get more representative model. Beside that this research also put image preprocessing to improve the image quality which carried out before the AAM fitting process. By using all these combinations in recognition system of facial component, this study could yield better accuracy in the dataset similar and CK + on the accuracy of previous studies by Dewiyanti (2018) by 97.99% to 98.95% and on other datasets such as MUG with an accuracy of 93.18 % and an accuracy of 94.58% for Imed dataset which in previous studies has not been tested."

"This updated book expands upon prosody for recognition applications of speech processing. It includes importance of prosody for speech processing applications; builds on why prosody needs to be incorporated in speech processing applications; and presents methods for extraction and representation of prosody for applications such as speaker recognition, language recognition and speech recognition. The updated book also includes information on the significance of prosody for emotion recognition and various prosody-based approaches for automatic emotion recognition from speech."

"Latar Belakang: Salah satu domain kognisi sosial yang mengalami defisit pada pasien Skizofrenia adalah rekognisi emosi. Defisit rekognisi emosi negatif, seperti defisit emosi takut, marah, dan sedih sudah ada pada episode pertama Skizofrenia. Musik sebagai terapi diketahui bermanfaat bagi perbaikan emosi, juga terkait pengalaman emosi pasien dengan Skizofrenia. Penelitian ini akan menilai validitas dan efektivitas sebuah modul terapi musik “rekognisi emosi dalam perbaikan rekognisi berbagai emosi dasar pada pasien dengan skizofrenia. Metode: Penelitian Dilakukan dalam 2 tahap, yaitu tahap I berupa pembuatan modul terapi musik oleh peneliti dan uji validitas isi modul oleh 5 orang ahli musik dan 3 psikiater untuk dinilai I-CVI, S-CVI dan CVR. Tahap II berupa pelaksanaan modul terapi musik. Penelitian berupa studi kuasi eksperimental kepada 15 subjek pasien skizofrenia remisi yang mengikuti terapi musik sebanyak 10 sesi dari bulan Maret 2020 hingga Juli 2020. Subjek dinilai hasil pra dan pasca uji terapi musik untuk melihat perbaikan pengenalan 5 emosi dasar (senang, sedih, marah, takut, tenang) menggunakan uji statistik Mcnemar. Dilakukan juga uji reliabilitas inter-rater untuk pelaksanaan modul.Hasil: Hasil uji validitas modul terapi musik rekognisi emosi menunjukkan nilai mean I-CVI sebesar 0,98, S-CVI sebesar 0,95, dan CVR 0,97. Pada uji efektivitas modul terapi musik, terdapat perbaikan bermakna dari defisit emosi takut dan marah, dengan peningkatan skor uji pra dan pasca terapi musik dengan nilai p-value < 0.05 pada kategori emosi marah dan takut, namun tidak bermakna pada kategori emosi senang,sedih, dan takut (p-value >0.05) Didapatkan 2 dari 15 subjek drop out. Pada uji reliabilitas inter-rater secara kualitatif, didapatkan keandalan dari modul terapi musik rekognisi emosi dengan aktivitas setiap sesi lebih dari 80% yang sesuai dengan isi modul. Simpulan: Modul terapi musik rekognisi emosi memiliki validitas isi, reliabilitas, dan juga efektivitas pada rekognisi emosi beberapa emosi dasar pasien skizofrenia remisi terutama rekognisi emosi takut dan marah.

---

Background: One of the deficit domains of social cognition in schizophrenia patients is emotional recognition. Negative emotional recognition deficits, such as emotional deficits of fear, anger, and sadness already exist in the first episode of schizophrenia. Music as therapy is known to be beneficial for emotional improvement, as well as the emotional experience of patients with schizophrenia. This study will assess the validity and effectiveness of a music therapy module “emotion recognition in improving recognition of basic emotions in patients with schizophrenia.

Methods: The research was conducted in 2 steps, namely step I in the form of creating a music therapy module by the researcher and music therapist and testing the validity of the module content by 5 music experts and 3 psychiatrists to assess I-CVI, S-CVI, and CVR. Step II in the form of implementing the music therapy module. Research in the form of a quasi-experimental study on 15 subjects of schizophrenic remission patients who attended music therapy for 10 sessions from March 2020 to July 2020. Subjects were assessed pre and post music therapy test results to see improvements in recognition of 5 basic emotions (happy, sad, angry, afraid, calm) using the Mcnemar statistical test. Inter-rater reliability tests were also carried out for module implementation.

Results: The results of the validity test of the emotion recognition music therapy module showed a mean I-CVI of 0.98, S-CVI of 0.95, and CVR of 0.97. In the music therapy module effectiveness test, there was a significant improvement in the emotional deficits of fear and anger, with an increase in the pre and post music therapy test scores with a p-value <0.05 in the anger and fear categories, but not significant in the happy, sad, and happy emotions. and fear (p-value> 0.05) Obtained 2 out of 15 subjects dropped out. In the qualitative inter-rater reliability test, the improvement of the emotion recognition music therapy module with the activity of each session was more than 80% according to the module content.

Conclusion: Emotion recognition music therapy module has content validity, reliability, and effectiveness in emotional recognition of some of the basic emotions of remission schizophrenia patients, especially the emotion recognition of fear and anger."

"ABSTRAKKanker serviks merupakan kanker peringkat kedua yang paling umum menyerangwanita dandisebabkan oleh infeksi human papillomavirus. Ekspresi protein E6dan E7 human papillomavirus tipe risiko tinggi dapat menginduksi prosespembentukan tumor (Tumorigenesis). Penelitian bertujuan untukmengekspresikan protein fusi E6/GFP dan E7/GFP pada sel HeLa. PlasmidpCDNA 3.1 yang membawa gen E6 dan E7 HPV-16 yang telah dimodifikasi,serta GFP sebagai reporter gene ditransfeksi ke dalam sel HeLa menggunakanmetode elektroporasi. Hasil elektroporasi dianalisis menggunakan mikroskopkonfokal. Hasil elektroporasi memperlihatkan perpendaran hijau pada sel yangdielektroporasi dengan gen E6 dan E7. Hasil penelitian menunjukkan protein fusiE6/GFP dan E7/GFP telah berhasil diekspresikan pada sel HeLa denganpersentase transfektan E6/GFP sebesar 0,0091% lebih tinggi dibandingkanE7/GFP sebesar 0,0002% maupun GFP sebesar 0,0022%.

---

AbstractCervical cancer ranked second as the most common cancer affecting women that iscaused by human papillomavirus infection. E6 and E7 proteins expression ofhuman papillomavirus can induce the process of tumor formation (tumorigenesis).The study is aimed at expressing the E6/GFP and E7/GFP fusion proteins in HeLacells. Plasmid pCDNA 3.1 that carry modified E6 and E7 genes of HPV-16, aswell as the GFP reporter gene was transfected into HeLa cells by electroporationmethod. The results of electroporation was analyzed by confocal microscopy. Theresults showed the green fluorescence was observed in cells that were transfectedwith E6 and E7. The results confirmed that the E6/GFP and E7/GFP fusionproteins were successfully expressed in HeLa cells with higher level of expressionE6/GFP is 0,0091% in comparison with E7/GFP is 0,0002% or GFP 0,0022%.;"

"Perundungan oleh sebaya merupakan fenomena yang penting untuk dibahas karena dampaknya yang terbukti negatif pada regulasi emosi kognitif remaja akhir. Sementara itu, penelitian terdahulu menemukan bahwa perkembangan regulasi emosi kognitif dipengaruhi oleh sosialisasi emosi ibu. Penelitian ini ingin melihat peran moderasi sosialisasi emosi ibu terhadap hubungan antara perundungan oleh sebaya dan regulasi emosi kognitif remaja akhir. Remaja akhir (N=111) yang pernah mengalami perundungan di SMA diuji menggunakan Multidimensional Peer Victimization Scale (MPVS), Cognitive Emotion Regulation Questionnaire (CERQ), dan Emotion as A Child Scale (EAC) Abbreviated version untuk mengukur pengalaman perundungan oleh sebaya, regulasi emosi kognitif, dan persepsi sosialisasi emosi ibu, secara berurutan. Analisis statistik simple moderation menunjukkan bahwa sosialisasi emosi suportif ibu memoderasi hubungan perundungan oleh sebaya dan regulasi emosi kognitif kurang adaptif. Penelitian ini memiliki kekurangan yaitu perundungan oleh sebaya diukur secara retrospektif sehingga pemaknaan partisipan terhadap ingatan pengalaman perundungan mereka dapat mempengaruhi hasil penelitian. Selanjutnya, penelitian terkait perundungan sebaiknya dilakukan dalam rentang waktu yang tidak terlalu jauh dari pengalaman partisipan.

---

Peer victimization is an important phenomenon to be discussed since it has proven to be harmful to adolescents’ cognitive emotion regulation. Meanwhile, studies have shown that the development of cognitive emotion regulation is influenced by maternal emotion socialization. This study aimed to explore the role of maternal emotion socialization in moderating the relationship of peer victimization and cognitive emotion regulation of late adolescents. Late adolescents (N=111) who have experienced peer victimization in high school were tested with Multidimensional Peer Victimization Scale (MPVS), Cognitive Emotion Regulation Questionnaire (CERQ), and Emotion as A Child Scale (EAC) Abbreviated version to measure peer victimization, cognitive emotion regulation, and maternal emotion socialization, respectively. Simple moderation analysis showed that maternal emotion socialization moderates peer victimization and maladaptive cognitive emotion regulation. Current research has a limitation in which peer victimization was measured retrospectively, thus adolescents’ meaning of their memories being victimized could affect the research’s result. Furthermore, research in peer victimization should be done in which peer victimization takes place."

"Penelitian ini menangani masalah pengenalan emosi dalam percakapan berbahasa Indonesia, yang penting untuk aplikasi seperti pengenalan ucapan, interaksi manusiamesin, dan analisis sentimen. Untuk mengatasi kompleksitas data suara dan teks, penelitian ini menggabungkan Word Embedding (Word2Vec) dan spektrum suara (MFCC) menggunakan Convolutional Neural Network (CNN). Word2Vec mengubah dataset suara menjadi representasi teks vektor, sementara MFCC digunakan untuk ekstraksi fitur dari spektrum suara. Model yang dikembangkan dievaluasi dengan dataset percobaan berbahasa Indonesia, dan pendekatan Weighted Average Ensemble yang mengintegrasikan kedua metode ini mencapai akurasi 70%. Hasil ini menunjukkan bahwa integrasi teknologi Word Embedding dan analisis spektrum suara dapat meningkatkan akurasi pengenalan emosi dalam bahasa Indonesia. Penelitian ini berkontribusi signifikan terhadap teknologi pengenalan emosi dan berpotensi meningkatkan interaksi manusia dengan teknologi serta aplikasi dalam analisis sentimen dan pengolahan bahasa alami.

---

This research addresses the issue of emotion recognition in Indonesian language conversations, which is crucial for applications such as speech recognition, humanmachine interaction, and sentiment analysis. To tackle the complexity of voice and text data, this study combines Word Embedding (Word2Vec) and sound spectrum analysis (MFCC) using Convolutional Neural Network (CNN). Word2Vec is used to convert voice datasets into vector text representations, while MFCC is employed for feature extraction from the sound spectrum. The developed models were evaluated using an experimental dataset in Indonesian, and the Weighted Average Ensemble approach, which integrates both methods, achieved an accuracy of 70%. These results indicate that integrating Word Embedding technology and sound spectrum analysis can significantly enhance the accuracy of emotion recognition in Indonesian conversations. This research contributes significantly to the development of emotion recognition technology and has the potential to improve human interaction with technology, as well as applications in sentiment analysis and natural language processing."