SISTEM KENDALI ROBOT KAPAL BERBASIS PERINTAH SUARA MENGGUNAKAN SHORT-TIME FOURIER TRANSFORM (STFT) DAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Pengendalian robot kapal pada perairan sering kali menghadapi tantangan karena metode konvensional seperti remote control memerlukan kedua tangan operator, sehingga kurang praktis di lapangan. Penelitian ini bertujuan merancang sistem kendali robot kapal berbasis perintah suara untuk navigasi yang lebih intuitif. Robot kapal merupakan prototipe Unmanned Surface Vehicle (USV) model monohull dengan penggerak differential thrust menggunakan dua motor DC. Sistem pengenalan suara menggunakan gabungan metode Short-Time Fourier Transform (STFT) untuk ekstraksi spektrogram dan Convolutional Neural Network (CNN) untuk klasifikasi perintah suara. Model CNN dilatih menggunakan dataset, enam class perintah suara ("maju", "mundur", "kanan", "kiri", "stop", dan kelas unknown), dengan total data mencapai 5796 sampel, akurasi pelatihan berhasil mencapai nilai 98%. Pada skema percobaan perintah suara secara real-time dari 5 partisipan yang berbeda, sistem dapat mencapai nilai akurasi sebesar 86% dalam kondisi lingkungan terkendali.