Evaluasi Model
Metrik performa dan analisis akurasi pengklasifikasi SVM pada dataset uji.
Akurasi (Accuracy)
81.7%
Presisi (Precision)
80.8%
Recall
79.5%
F1-Score
80.1%
Confusion Matrix
Visualisasi klasifikasi emosi yang benar vs prediksi salah.
| Neutral | Calm | Happy | Sad | Angry | Fear | Disgust | Surprise | |
|---|---|---|---|---|---|---|---|---|
| Neutral |
85
|
5
|
2
|
3
|
1
|
2
|
1
|
1
|
| Calm |
4
|
88
|
1
|
4
|
0
|
1
|
2
|
0
|
| Happy |
3
|
2
|
78
|
4
|
6
|
3
|
2
|
2
|
| Sad |
5
|
6
|
3
|
80
|
1
|
3
|
2
|
0
|
| Angry |
1
|
0
|
5
|
2
|
88
|
2
|
1
|
1
|
| Fear |
2
|
1
|
4
|
4
|
3
|
76
|
6
|
4
|
| Disgust |
1
|
2
|
3
|
3
|
2
|
5
|
82
|
2
|
| Surprise |
2
|
1
|
2
|
1
|
2
|
4
|
1
|
87
|
Prediksi Benar (True Positives)
Salah Klasifikasi (Errors)
Analisis Performa
Akurasi Tertinggi
Emosi 'Angry' dan 'Calm' menunjukkan tingkat pengenalan paling stabil (>85%).
Tantangan Klasifikasi
Terdapat kebingungan minor antara 'Sad' dan 'Fearful' karena kemiripan profil spektral.
Informasi Pengujian
- Metode Validasi 80:20 Split
- Total Sampel Uji 288 File
- Model Framework Scikit-Learn
- Library Audio Librosa