<![CDATA[Perkembangan teknologi informasi telah mendorong terciptanya solusi inovatif seperti Smart Home, yang memungkinkan otomatisasi dan kontrol perangkat rumah tangga. Penelitian ini mengembangkan sistem Smart Home berbasis pengenalan suara menggunakan model Long Short-Term Memory (LSTM). Sistem dirancang untuk mengenali perintah suara pengguna dan mengontrol perangkat seperti lampu, kipas, dan kunci pintu. Fitur suara diolah menggunakan Mel-Frequency Cepstral Coefficients (MFCC) untuk menghasilkan representasi data yang optimal bagi model LSTM. Pengujian dilakukan pada model dengan dataset yang mencakup perintah-perintah suara dari beberapa subjek. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi total sebesar 54%, dengan akurasi lebih tinggi untuk subjek yang datanya telah dilatih dibandingkan subjek baru. Implementasi model LSTM memungkinkan pengenalan suara berjalan secara efisien pada perangkat keras kecil seperti Raspberry Pi 5, yang memfasilitasi respons real-time terhadap perintah suara. Penelitian ini memberikan kontribusi pada pengembangan teknologi Smart Home, khususnya pada aspek pengendalian berbasis suara. Pengembangan lebih lanjut dapat difokuskan pada penambahan dataset yang lebih beragam, pengurangan noise, dan eksplorasi arsitektur jaringan saraf lain untuk meningkatkan akurasi sistem.]]>
Copyrights © 2025
