<![CDATA[Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengenalan suara yang efisien sebagai antarmuka kendali pada aplikasi smart home berbasis deep learning. Metode yang digunakan dalam penelitian ini mengikuti prosedur eksperimental yang dimulai dari pengumpulan data primer berupa rekaman perintah suara manusia dan data sekunder dari dataset publik. Fitur audio diekstraksi menggunakan teknik Mel-Frequency Cepstral Coefficients (MFCC). Data tersebut kemudian diproses menggunakan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasikan perintah suara ke dalam tindakan kontrol perangkat rumah tangga. Analisis data dilakukan dengan mengevaluasi performa model melalui parameter akurasi, precision, dan recall pada berbagai kondisi lingkungan. Hasil penelitian menunjukkan bahwa model deep learning yang dikembangkan mampu mengenali perintah suara dengan tingkat akurasi yang tinggi, bahkan dalam kondisi terdapat gangguan derau (noise). Simpulan dari penelitian ini adalah penerapan deep learning pada sistem pengenalan suara memberikan respons yang presisi dan real-time, sehingga meningkatkan aksesibilitas dan kenyamanan dalam pengelolaan ekosistem rumah pintar secara otomatis.]]>
Copyrights © 2026
