<![CDATA[Sistem smart home terus berkembang untuk memberikan kemudahan dalam kehidupan sehari-hari, dengan pengenalan suara menjadi elemen penting. Namun, tantangan seperti gangguan noise, variasi aksen, dan intonasi pengguna sering memengaruhi akurasi sistem. Penelitian ini bertujuan mengembangkan sistem pengenalan suara berbasis Raspberry Pi 5 dengan algoritma Gated Recurrent Unit (GRU) untuk meningkatkan akurasi dan performa dalam mengenali perintah suara pada ekosistem smart home. Metodologi penelitian mencakup perekaman dataset suara dengan variasi perintah, ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC), pelatihan model GRU dengan optimasi parameter, dan pengujian real-time dalam kondisi lingkungan nyata. Evaluasi dilakukan untuk mengukur akurasi dan robustitas sistem terhadap noise dan variasi pola suara pengguna. Hasil pengujian menunjukkan sistem mampu mengenali perintah suara dengan akurasi rata-rata sebesar 88.75% pada kondisi noise rendah hingga sedang. Sistem berhasil mengenali berbagai perintah, seperti mengontrol perangkat rumah tangga dan membuka pintu. Tantangan yang dihadapi meliputi seperti prediksi salah akibat pola suara mirip antar-perintah, sensitivitas terhadap noise tinggi, serta variasi aksen dan intonasi yang kurang terwakili dalam dataset. Respons "tidak yakin" menandakan perlunya pengayaan dataset dan penerapan teknik preprocessing seperti noise filtering. Penelitian ini berkontribusi dalam pengembangan sistem pengenalan suara berbasis perangkat kecil dengan daya rendah untuk smart home. Future work mencakup eksplorasi algoritma hybrid, seperti GRU-LSTM atau transformer-based models, serta pengayaan dataset untuk meningkatkan performa sistem dalam berbagai skenario. Dengan langkah ini, sistem dapat menjadi solusi yang lebih fleksibel dan andal bagi teknologi smart home yang terus berkembang.]]>
