Rancang bangun sistem kendali robot sosial berbasis Speech Recognition menggunakan model Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM)

Hidayat, Regina Florensia (2025) Rancang bangun sistem kendali robot sosial berbasis Speech Recognition menggunakan model Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (284kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (93kB) | Preview
Preview	Text (DAFTAR ISI) 3_skbebasplagiarism.pdf Download (770kB) | Preview
Preview	Text (BAB I) 4_daftarisi.pdf Download (95kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (104kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (75kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (120kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (407kB) | Request a copy

Abstract

Dalam pengendalian robot sosial berbasis suara, tantangan utama yang dihadapi adalah keterbatasan akurasi dalam mengenali perintah serta kendala dalam komunikasi data dengan mikrokontroler. Sistem berbasis suara harus mampu mengenali instruksi dengan tepat dan menerjemahkannya menjadi gerakan yang sesuai, terutama dalam lingkungan yang kompleks dan bervariasi. Penelitian ini dilakukan untuk mengatasi permasalahan tersebut dengan mengembangkan sistem kendali robot berbasis pengenalan suara menggunakan Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Tujuannya adalah meningkatkan akurasi dan stabilitas klasifikasi perintah suara melalui kombinasi CNN untuk ekstraksi fitur audio dan LSTM untuk memahami hubungan temporal dalam data suara. Dataset terdiri dari 21 kelas kata dengan total 4200 sampel. Model CNN dan CNN-LSTM dibandingkan, di mana kombinasi keduanya menunjukkan akurasi lebih tinggi. Penelitian juga menganalisis komunikasi serial antara Python dan Arduino Mega melalui Bluetooth HC-05.

Actions (login required)

View Item