View/Open

Author
IGNATIUS, JULIO BINTANG REGEN

Date Published
30 Apr 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,

Subject
Teknik Informatika

Publisher

Klasifikasi suara lingkungan sangat penting untuk peringatan keselamatan, khususnya bagi penyandang gangguan pendengaran. Namun, model deep learning saat ini umumnya membutuhkan komputasi besar sehingga memicu kendala latensi jika diterapkan pada perangkat berdaya terbatas. Penelitian ini bertujuan mengoptimalkan arsitektur Piczak CNN dalam mengklasifikasikan lima kelas suara peringatan keselamatan (klakson mobil, klakson motor, sirene, pecahan kaca, dan tangisan bayi) serta membandingkannya dengan model pre trained berskala besar. Metodologi penelitian meliputi pengumpulan 500 sampel audio, pra-pemrosesan ekstraksi fitur log-Mel spectrogram beserta fitur delta menjadi bentuk tensor berdimensi 2 × 60 × 41, dan evaluasi model menggunakan metode 5-fold cross-validation. Studi ablasi juga dilaksanakan untuk menguji pengaruh optimizer, dropout rate, dan augmentasi data. Hasil penelitian menunjukkan bahwa konfigurasi optimal Piczak CNN dicapai dengan menggunakan optimizer SGD (laju pembelajaran 0,002), tanpa dropout, dan tanpa augmentasi data. Konfigurasi tersebut menghasilkan akurasi sebesar 83,6%, yang secara signifikan terbukti mengungguli performa model pre trained PANNs CNN14 yang hanya mencapai akurasi 64% pada dataset yang sama. Dari aspek komputasi, model Piczak CNN jauh lebih efisien dengan ukuran 205 MB dibandingkan PANNs CNN14 yang membutuhkan ruang 319 MB.Disimpulkan bahwa arsitektur model sederhana yang dioptimalkan secara spesifik terbukti lebih tangguh dan efisien dibandingkan model berskala besar dalam konteks klasifikasi dengan dataset terbatas.

URI
https://repo.itera.ac.id/depan/submission/SB2605060021

Keyword
Piczak-CNN spektrogram klasifikasi suara keselamatan deep learning