<![CDATA[Keamanan dan keselamatan merupakan kebutuhan dasar manusia. Situasi darurat seperti pencurian, kebakaran, maupun ancaman lainnya sering kali memerlukan respons yang cepat untuk mengurangi dampak negatifnya. Seiring berkembangnya teknologi, sistem keamanan berbasis suara menjadi solusi potensial untuk meningkatkan efektivitas deteksi dini dan tanggapan terhadap keadaan darurat. Penelitian ini bertujuan untuk mengembangkan model akustik berbasis Hidden Markov Model–Gaussian Mixture Model (HMM–GMM) guna mendeteksi kata-kata darurat dalam Bahasa Indonesia, seperti tolong, jangan, maling, kebakaran, dan kecelakaan. Dataset yang digunakan terdiri atas 1.100 berkas audio yang seimbang antara kelas darurat dan non-darurat. Fitur akustik dari dataset diekstraksi menggunakan Mel-Frequency Cepstral Coefficients (MFCC) beserta fitur turunan delta dan delta-delta. Evaluasi dilakukan dengan metode 10-fold cross-validation dan model terbaik diujikan dengan data holdout test untuk memastikan kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa model HMM–GMM dengan 4 state dan 16 komponen Gaussian memberikan performa terbaik dengan akurasi 94,5%, presisi 94,3%, recall 94,5%, dan F1-score 94,4% pada hold. Temuan ini membuktikan bahwa model HMM–GMM efektif dalam mengenali ucapan darurat Bahasa Indonesia secara akurat dan efisien.]]>
Copyrights © 2026
