MIF_E31231708/ml/README.md

Project SVM Suara

Project ini mengklasifikasikan tingkat percaya diri dari file audio .wav menggunakan ekstraksi fitur suara dengan librosa dan model SVM.

Folder ml/ sekarang juga menjadi lokasi API prediksi untuk Flutter.

Gunakan Python 3.10 agar dependency audio seperti librosa, numba, dan llvmlite lebih mudah terpasang.

Struktur

project_svm_suara/
├── data/
├── models/
├── features.py
├── audio_utils.py
├── train_model.py
├── predict.py
├── app.py
└── requirements.txt

Format Dataset

Letakkan file .wav di folder data/.

• Nama file mengandung _pd untuk kelas PD atau Percaya Diri.
• Nama file mengandung _tpd untuk kelas TPD atau Tidak Percaya Diri.

Contoh:

a_pd.wav
a_tpd.wav

Cara Menjalankan

python3.10 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python train_model.py
python predict.py data/a_pd.wav
streamlit run app.py

Menjalankan API untuk Flutter

cd ml
../cv_app/.venv/bin/python -m uvicorn api_app:app --host 0.0.0.0 --port 8000

Endpoint:

POST /predict
GET /predictions
GET /model

Hasil prediksi disimpan ke MySQL/MariaDB agar bisa dilihat lewat phpMyAdmin:

database: confivoice
table: prediction_results

Jika MySQL memakai port/user/password berbeda, atur environment sebelum menjalankan API:

export CONFIVOICE_DB_DRIVER=mysql
export CONFIVOICE_MYSQL_HOST=127.0.0.1
export CONFIVOICE_MYSQL_PORT=3306
export CONFIVOICE_MYSQL_USER=root
export CONFIVOICE_MYSQL_PASSWORD=
export CONFIVOICE_MYSQL_DATABASE=confivoice

Aplikasi Streamlit menerima upload audio WAV, MP3, M4A, OGG, FLAC, WEBM, dan AAC. File akan disiapkan menjadi WAV mono 22050 Hz sebelum fitur suara diekstraksi.