The purpose of research on the application of algorithms Long Short Term Memory for the development of the Speech Emotion Recognition in Children aged 5-10 years, namely to produce a model and predictive value because children aged 5 to 10 years recognize emotions from speech at a poor level so that the majority fail to recognize emotions from correct speech. The majority of children who have difficulty managing their emotions often cry, whine, scream, slam or break things. Behavior in these children is a form of negative behavior and excessive emotion or is called temper tantrum. From these problems, this study applies a classification method using an algorithm Long Short Term
Memory with the modeling process done over the last 5 months to find the best architecture. From architectural experiments LSTM, an optimal model is produced with an accuracy training value of 92.43% and validation accuracy 93.63%. From the tests that have been carried out by testing confusion matrix, for emotion surprised obtained value presentation with accuracy 97%, emotion calm with accuracy 97%, emotion happy with accuracy 98%, emotion sad with accuracy 98%, emotion angry with accuracy 99%, emotion fearful with accuracy 98%, emotion disgust with accuracy 99%.

Tujuan dari penelitian penerapan algoritma Long Short Term Memory untuk pengembangan Sistem Pengenalan Emosi pada Anak usia 5 – 10 tahun yaitu menghasilkan model serta nilai prediksi dikarenakan anak berusia 5 hingga 10 tahun
mengenali emosi dari ucapan tutur kata dengan tingkat buruk sehingga mayoritas gagal untuk mengenali emosi dari ucapan tutur kata yang benar. Mayoritas anak yang kesulitan dalam mengelola emosinya, seringkali menangis, merengek, menjerit, membanting atau merusak barang, menghentakkan kakinya maupun berguling guling. Perilaku pada anak tersebut yaitu salah satu bentuk perilaku negatif serta emosi yang berlebihan atau disebut dengan temper tantrum. Dari permasalahan tersebut, penelitian ini menerapkan metode klasifikasi menggunakan algoritma Long Short Term Memory dengan proses pembuatan model dilakukan selama 5 bulan terakhir untuk menemukan arsitektur terbaik. Dari percobaan arsitektur LSTM, dihasilkanlah model yang optimal dengan nilai training akurasi 92.43% dan validation accuracy 93.63%. Dari pengujian yang telah dilakukan dengan pengujian confusion matrix, untuk emosi surprised didapatkan presentasi nilai dengan accuracy 97%, emosi calm dengan nilai accuracy 97%, emosi happy dengan nilai accuracy 98%, emosi sad dengan nilai accuracy 98%, emosi angry dengan nilai accuracy 99%, emosi fearful dengan nilai accuracy 98%, emosi disgust dengan nilai accuracy 99%.