Description

Machine Learning

Machine learning adalah salah satu cabang dari Artificial Intelligence (AI) yang digunakan untuk membuat kecerdasan buatan. Machine Learning merupakan mesin pembelajaran yang dikembangkan agar dapat belajar secara otomatis tanpa arahan dari user.

Untuk tugas akhir course pada Speech Classification Menggunakan Machine Learning, akan dilakukan emotion speech classification, dimana algoritma classification yang digunakan adalah decision tree, KNN, dan naive bayes sebagai perbandingan.

Sebelum melakukan proses classification perlu diketahui terlebih dahulu apa itu decision tree, KNN, naive bayes. Berikut penjelasannya :

Decision Tree

Decision tree adalah algoritma machine learning yang menggunakan seperangkat aturan untuk membuat keputusan dengan struktur seperti pohon yang memodelkan kemungkinan hasil, biaya sumber daya, utilitas dan kemungkinan konsekuensi atau resiko.

KNN (K-Nearest Neighbor)

Algoritma K-Nearest Neighbor (KNN) merupakan algoritma machine learning sederhana dan mudah diterapkan yang dapat digunakan untuk menyelesaikan masalah klasifikasi dan regresi. Algoritma ini termasuk dalam jenis supervised learning.

Naive Bayes

Naive Bayes adalah algoritma machine learning untuk masalah klasifikasi. Ini didasarkan pada teorema probabilitas Bayes. Hal ini digunakan untuk klasifikasi teks yang melibatkan set data pelatihan dimensi tinggi. 

TUGAS AKHIR

EMOTION SPEECH CLASSIFICATION DECISION TREE, KNN, NAIVE BAYES

Sebelum melakukan proses klasifikasi, siapkan dulu datasets yang akan digunakan.

Datasets : www.bisa.ai/s/dataspeechclassification

Import library yang dibutuhkan untuk proses klasifikasi

Import datasets yang digunakan dan lakukan proses feature extraction, disini dataset akan diubah dulu menjadi csv sebelum dilakukan proses klasifikasi.

Kemudian masukkan dataset yang telah dijadikan menjadi csv, dan lakukan proses splitting data train dan test.

Decision Tree

Buatlah model Decision Tree kemudian lakukan prediksi pada data train dan data test.

Berikut adalah hasil dari model klasifikasi menggunakan Decision Tree :

Dengan menggunakan Decision Tree, train accuracy yang diperoleh adalah 1.0 dengan test accuracy 0.9666666666666667

KNN

Buatlah model KNN kemudian lakukan prediksi pada data train dan data test.

Berikut adalah hasil dari model klasifikasi menggunakan KNN :

Dengan menggunakan KNN, train accuracy yang diperoleh adalah 0.99375 dengan test accuracy 0.9916666666666667

NAIVE BAYES

Buatlah model Naive Bayes kemudian lakukan prediksi pada data train dan data test.

Berikut adalah hasil dari model klasifikasi menggunakan Naive Bayes :

Dengan menggunakan Naive Bayes, train accuracy yang diperoleh adalah 0.9770833333333333 dengan test accuracy 0.9166666666666666

Github : https://github.com/Maoelan/Speech_Classification-Decision_Tree-KNN-Naive_Bayes