<![CDATA[Perundungan merupakan masalah serius di berbagai lingkungan, termasuk di tempat kerja dan sekolah, yang membutuhkan perhatian dan tindakan pencegahan. Di Indonesia, tingkat perundungan di kalangan pelajar mencapai 41%, dengan dampak negatif seperti rendah diri, depresi, dan kesulitan belajar. Untuk mengatasi masalah ini, diperlukan solusi yang meningkatkan kualitas pengawasan keamanan guna mengurangi tingkat perundungan. Salah satu langkah yang dapat diambil adalah menggunakan perangkat yang mampu melakukan pengawasan secara otomatis. Penggunaan Internet of Things (IoT) dengan sensor suara berbasis metode machine learning, seperti Support Vector Machine (SVM), dapat meningkatkan efisiensi pengawasan dan mendeteksi perundungan secara real-time dengan memanfaatkan fitur suara teriakan. Dengan menerapkan metode SVM dan didukung dengan IoT, pengawasan keamanan dapat dilakukan secara otomatis. Dalam penelitian ini, hasil model klasifikasi teriakan dengan menggunakan metode SVM memiliki akurasi sebesar 98% pada saat training, 76% pada saat pelaksanaan testing dengan menggunakan dataset, dan 55% pada saat percobaan langsung dengan menggunakan sensor KY-037. Hasil tersebut menunjukkan bahwa sensor suara KY-037 dapat digunakan untuk melakukan pengklasifikasian suara dengan bantuan machine learning. Kata Kunci – IoT; SVM; Machine Learning; Keamanan; Perundungan. ]]>
Copyrights © 2025
