Sistem Estimasi Tingkat Kebisingan dan Klasifikasi Sumber Suara pada Android Menggunakan Dataset UrbanSound8K

Iskandar, Abdul Hanif
Prasetio, Barlian Henryranu

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Vol 10 No 6 (2026): Juni 2026

Kebisingan lingkungan dapat memengaruhi kenyamanan dan kesehatan pendengaran, sehingga diperlukan sistem pemantauan yang tidak hanya menampilkan tingkat kebisingan, tetapi juga memberikan informasi mengenai sumber suara. Penelitian ini mengembangkan aplikasi Android untuk menghasilkan dB(A) estimasi berbasis mean-square dan offset kalibrasi serta mengklasifikasikan lima kelas UrbanSound8K, yaitu air_conditioner, drilling, engine_idling, jackhammer, dan siren, dengan total 4.929 audio. Model utama berupa Tiny 1D-CNN menerima raw waveform berdurasi 1 detik pada 16 kHz dan dikonversi ke TensorFlow Lite. Sebagai pembanding, digunakan baseline MFCC + Random Forest pada lingkungan Python. Tiny 1D-CNN memperoleh accuracy 71,00% dan macro F1-score 71,00% pada data uji fold 10, sedangkan baseline memperoleh accuracy 72,46% dan macro F1-score 73,20%. Pada 468 file pengujian implementasi, emulator menghasilkan Top-1 accuracy 44,66% dan Top-2 hit 84,40%, sedangkan Android langsung menghasilkan Top-1 accuracy 32,50%. Sistem berhasil dijalankan secara on-device, tetapi keluaran dB(A) belum merupakan pengukuran standar dan performa klasifikasi pada perangkat nyata masih rendah. Oleh karena itu, sistem diposisikan sebagai prototipe awal.