<![CDATA[Penyayang tunarungu menghadapi tantangan besar dalam berkendara di jalan raya karena tidak dapat mendengar suara klakson sebagai tanda bahaya. Penelitian ini bertujuan untuk mengembangkan alat pendeteksi suara klakson berbasis kecerdasan buatan dan Internet of Things (IoT) guna meningkatkan kewaspadaan penyandang tunarungu di lingkungan lalu lintas. Metode yang digunakan meliputi ekstraksi fitur suara menggunakan Mel-Frequency Cepstral Coefisien (MFCC) dengan 40 koefisien pada 32 frame, memanfaatkan 4.000 sampel data yang terdiri dari 2.000 suara klakson dan 2.000 suara non-klakson. Klasifikasi model dibangun menggunakan arsitektur Convolutional Neural Network (CNN) 1D yang dibor selama 15 epoch dengan batch size 32. Hasil penelitian menunjukkan bahwa model mencapai akurasi validasi sebesar 99,88% dengan nilai loss yang rendah. Model tersebut kemudian diintegrasikan ke dalam perangkat IoT yang dilengkapi mikrofon MAX9814, mikrokontroler ESP32, dan motor getar sebagai indikator haptik. Pengujian dalam berbagai skenario lingkungan menunjukkan deteksi real-time yang konsisten dan akurat. Penelitian ini berimplikasi pada pengembangan teknologi asistif yang terjangkau dan dapat diadopsi secara luas dalam kerangka smart city serta infrastruktur publik yang inklusif, meskipun pengembangan lanjutan masih diperlukan untuk meningkatkan ketahanan terhadap gangguan dan integrasi dengan perangkat wearable.]]>
Copyrights © 2026
