Optimasi Deteksi Pecah Kaca untuk Keamanan Rumah Berbasis Iot Menggunakan Model Auspp dengan Atrous Spatial Pyramid Pooling

Oleh :
Whilyan Pratama - L0122151 - Fak. Teknologi Informasi dan Sains Data

Suara kaca pecah dapat menjadi tanda awal terjadinya percobaan masuk paksa pada rumah, sehingga perlu dideteksi secara cepat meskipun lingkungan sekitar bising. Skripsi ini membangun sistem deteksi suara kaca pecah berbasis IoT menggunakan model AuSPP dengan Atrous Spatial Pyramid Pooling yang dijalankan pada Orange Pi 4A melalui ONNX Runtime CPU. Dataset disusun dari beberapa sumber audio publik dan data scraping, lalu disintesis menjadi 36.000 klip synthetic soundscape berdurasi 4 detik dengan rasio 25% glass_break dan 75% negative. Model akhir AuSPP M6 ONNX menggunakan beta calibration, threshold per class, hysteresis, gap filling, minimum event duration, suspect hit accumulation, serta rejection logic untuk sustained sound dan clipping spike. Evaluasi model menunjukkan M6-ONNX memperoleh recall 93,67%, precision 94,88%, F2-score 94,26%, accuracy 93,90%, specificity 95,76%, dan error rate 4,36%. Pengujian lapangan mengonfirmasi sistem mendeteksi kaca 5 mm hingga 20 meter, botol kaca besar hingga 10 meter, botol kaca kecil hingga 8 meter, serta piring dan gelas kaca pada jarak 7 sampai 8 meter, dengan hanya 1 false alarm dari 63 percobaan non kaca. Sistem berjalan realtime dengan median inference time 224 ms, median cycle time 286 ms, median RTF 0,056, dan median peak memory 166,922 MB, sambil mengaktifkan buzzer, menyimpan audio, mengirim notifikasi Telegram, serta melakukan queue dan retry saat koneksi internet terputus.