TIF_E41202334

Penggunaan teknologi smart home saat ini semakin berkembang pesat, terutama di Indonesia. Terlebih lagi terobosan-terobosan yang digunakan salah satunya yaitu pengenalan biometrik berupa suara. Namun, terobosan tersebut memiliki resiko keamanan, seperti kesalahan identifikasi suara atau speech misidentification. Berbagai penelitian yang mengkombinasikan berbagai metode ekstraksi ciri suara dan algoritma klasifikasi suara dengan metode MFCC dan Supervised Learning. Hasil dari penelitian ini menunjukkan bahwa pada pengujian manual yang menggunakan model SVM Multiclass dapat mencapai tingkat akurasi 98,7 pada pengujian confusion matrix. Sedangkan pada penggunaan model Backpropagation tingkat akurasi yang didapatkan bisa mencapai 98,3%. Kemudian dari hasil implementasi sistem kedalam prototype diperoleh waktu response time pada perangkat terhadap suara mendapatkan rata-rata 319.95 ms dalam keadaan online yang tersambung pada firebase. Sedangkan untuk response time pada proses pengenalan sistem dapat mencapai rata-rata 1.31 ms.