Claim Missing Document
Check
Articles

Found 32 Documents
Search

Voice command classification for mobile robotic control using mel frequency cepstral coefficients and support vector machines Ratna Hartayu; Santoso Santoso; Ahmad Ridho’i; Ayusta Lukita Wardani; Yunus Awwalu Romadhon
Journal of Mechatronics, Electrical Power, and Vehicular Technology Vol 17, No 1 (2026)
Publisher : National Research and Innovation Agency

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55981/j.mev.2026.1373

Abstract

Voice command recognition plays a crucial role in enabling intuitive interaction in robotic and embedded control systems. This study proposes a voice command classification system based on Mel-frequency cepstral coefficients (MFCC) and support vector machine (SVM) using the Google speech commands dataset v2. Eight command classes (“down”, “go”, “left”, “no”, “right”, “stop”, “up”, and “yes”) were used. The dataset was divided into 80 % training and 20 % testing sets, with hyperparameter tuning performed using 5-fold cross-validation on the training data. MFCC feature extraction employed 13 static coefficients augmented with delta and delta-delta features, resulting in a 39-dimensional frame-level representation and a 78-dimensional utterance-level feature vector. Experimental results show that the SVM with radial basis function (RBF) kernel achieved optimal performance with parameters C = 100 and γ = 0.01, yielding 96.2 % accuracy, 96.5 % precision, 96.0 % recall, and 96.2 % F1 score. The inclusion of dynamic features improved accuracy by 4.7 % compared to static MFCCs. The system demonstrates a lightweight architecture suitable for low-resource environments; however, experiments were primarily conducted under clean conditions, and robustness evaluation was limited to a single noise level (20 dB SNR). Furthermore, real-time deployment on embedded hardware was not experimentally validated and remains part of future work.
Sistem Monitoring Daya Listrik Untuk Konsumen di Lingkungan Perumahan Menggunakan LoRa SX1278 dan Internet Of Things Berbasis Node Red. Safira Tri Handini Ainul; Ayusta Lukita Wardani; Widi Aribowo; Nur Vidia Laksmi
JURNAL TEKNIK ELEKTRO Vol. 14 No. 3 (2025): SEPTEMBER 2025
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v14n3.p275-282

Abstract

Sumber kekhawatiran dan kegelisahan para pelanggan terutama ibu rumah tangga adalah kenaikan tarif listrik secara tiba-tiba. Pemeriksaan meteran listrik berkala oleh petugas PLN masih dilakukan secara manual mendatangi rumah ke rumah. Sebagai solusinya, penelitian ini mengembangkan system monitoring daya listrik dengan komunikasi jarak jauh menggunakan komunikasi LoRa dan Internet of Things. Metode penelitian ini menggunakan metode eksperimen dengan pengujian alat, jangkauan LoRa pada lingkungan perumahan dan pengujian sensor PZEM-004T. Hasil dari prototipe alat system monitoring daya Listrik ini adalah LoRa SX1278 dengan antenna 5dBi pada lingkungan perumahan dapat menjangkau hingga 150 meter dengan kondisi LoS (Line of Sight) dan 80 meter dalam kondisi NLoS (Non Line of Sight). Pengujian pada sensor PZEM-004T memiliki presentase error terkecil sebesar 0,6% pada pengukuran tegangan dan 1,21% pada pengukuran arus dengan 3 buah beban dengan daya total 820W. Sebaliknya, persentase error terbesar pada percobaan alat elektronik dengan beban rendah 70W mencapai 2,51% untuk persentase error  tegangan dan 4,8% persentase error arus. Dengan hasil tersebut PZEM 004T cukup baik untuk sistem monitoring daya listrik rumah tangga. Hasil penelitian menunjukkan bahwa sistem dapat mempermudah pelanggan dalam memantau konsumsi listrik secara real time dan dapat mendukung petugas PLN dalam mendata meteran listrik tanpa harus melakukan pencatatan manual.