Description

Feature Extraction

Feature Extraction adalah teknik pengambilan ciri / feature dari suatu bentuk yang nantinya nilai yang didapatkan akan dianalisis untuk proses selanjutnya.

Dataset

Dataset yang digunakan dalam melakukan feature extraction adalah speech classification yang terdiri dari 3 class yaitu angry, happy, dan sad.

Source Code

Pertama, saya import library yang akan digunakan. Setelah itu, saya load dataset dari folder di google drive.

Selanjutnya, saya lakukan feature extraction yang pertama yaitu Spectogram. Disini saya hanya mengambil sample 1 data yang berada pada class angry.

Disini saya memvisualisasikan hasil feature extracion dengan menggunakan librosa.display.specshow.

Tahap selanjutnya yaitu feature extraction dengan Chroma. Disini saya juga hanya mengambil 1 sample data yang terdapat pada class happy. Kemudian, saya memvisualisasikan hasil chroma feature seperti berikut.

Tahap selanjutnya yaitu feature extraction dengan Zero Crossing Rate. Disini saya juga hanya mengambil 1 sample data yang terdapat pada class sad.

Kemudian, saya memvisualisasikan hasil Zero Crossing Rate seperti berikut.

Tahap selanjutnya yaitu feature extraction dengan RMSE. Disini saya juga hanya mengambil 1 sample data yang terdapat pada class angry. Untuk melakukan feature extraction dengan RMSE saya menggunakan librosa.feature.rms. Setelah itu, saya tampilkan hasil visualisasi feature extraction dengan RMSE.

Tahap selanjutnya yaitu feature extraction dengan Spectral Centroid. Disini saya juga hanya mengambil 1 sample data yang terdapat pada class happy. Untuk melakukan feature extraction dengan Spectral Centroid saya menggunakan librosa.feature.spectral_centroid. Setelah itu, saya tampilkan hasil visualisasi feature extraction dengan Spectral Centroid.

Tahap selanjutnya yaitu feature extraction dengan MFCC. Disini saya juga hanya mengambil 1 sample data yang terdapat pada class sad. Untuk melakukan feature extraction dengan MFCC saya menggunakan librosa.feature.mfcc. Setelah itu, saya tampilkan hasil visualisasi feature extraction dengan MFCC.

Selanjutnya, saya akan melakukan feature extraction dari chroma, zero crossing rate, rmse, spectral centroid, mfcc pada semua data. Disini saya buat header untuk csv yang akan menyimpan hasil dari feature extraction.

Kemudian, saya masukkan semua hasil feature extraction dengan menggunakan librosa ke dalam data.csv

Berikut hasil dari feature extraction menggunakan librosa yang telah saya lakukan sebelumnya.