YANI, MUHAMMAD (2026) ANALISIS PERFORMA VOICE RECOGNITION PADA SMART SPEAKER MENGGUNAKAN METODE RANDOM FOREST. S2 thesis, Universitas Malikussaleh.

	Text COVER MUHAMMAD YANI.pdf Download (29kB)
	Text ABSTRAK MUHAMMAD YANI.pdf Download (128kB)
	Text BAB 1 MUHAMMAD YANI.pdf Download (161kB)
	Text DAPUS MUHAMMAD YANI.pdf Download (266kB)
	Text MUHAMMAD_YANI TESIS.pdf Restricted to Registered users only Download (5MB)

Abstract

Keandalan pengenalan suara pada smart speaker menjadi prasyarat penting bagi interaksi manusia–komputer yang natural, namun pada praktiknya kinerja voice recognition dapat menurun ketika perangkat digunakan pada variasi jarak dan kondisi konektivitas yang berbeda. Penelitian ini bertujuan mengevaluasi performa voice recognition secara komparatif pada Amazon Alexa dan Interactive Speaker System serta menguji keterkaitan variasi jarak pengguna terhadap keberhasilan pengenalan perintah suara. Pengujian dilakukan melalui eksperimen langsung dengan skenario pemberian perintah suara pada jarak 1 m, 2 m, dan 3 m. Data yang dikumpulkan berjumlah 1020 percobaan, dengan 715 percobaan dikategorikan gagal dan 305 percobaan dikategorikan berhasil. Untuk memperoleh representasi yang lebih informatif, data multimodal yang mencakup indikator audio, jaringan, lokasi, dan sinyal Wi-Fi diolah melalui ekstraksi fitur statistik, kemudian dimodelkan menggunakan Random Forest untuk klasifikasi kondisi berhasil/gagal. Hasil analisis menunjukkan adanya kecenderungan degradasi sinyal audio seiring meningkatnya jarak, yang berimplikasi pada penurunan probabilitas keberhasilan pengenalan suara. Model Random Forest memberikan performa yang sangat baik dengan nilai accuracy, F1-macro, dan recall-macro masing-masing 0,98. Temuan feature importance menegaskan dominasi fitur audio—terutama karakteristik distribusi dan variabilitas level suara—dibandingkan fitur jaringan, lokasi, maupun Wi-Fi. Secara keseluruhan, penelitian ini menegaskan bahwa kualitas dan kestabilan sinyal audio merupakan determinan utama performa voice recognition serta menunjukkan Random Forest efektif untuk evaluasi berbasis data multimodal pada skenario penggunaan nyata. Kata Kunci: Voice Recognition, Smart Speaker, Random Forest, Evaluasi Performa, Data Multimodal

Item Type:	Thesis (S2)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Pascasarjana > 71102 - Magister Teknologi Informasi
Depositing User:	Muhammad Yani
Date Deposited:	03 Sep 2026 03:42
Last Modified:	03 Sep 2026 03:42
URI:	https://rama.unimal.ac.id/id/eprint/22192

Actions (login required)

View Item