Sistem Monitoring Anak Berusia 0-2 tahun dengan Deteksi Suara Tangisan Berbasis Internet of Things

Haravanda, M Arvin (2026) Sistem Monitoring Anak Berusia 0-2 tahun dengan Deteksi Suara Tangisan Berbasis Internet of Things. S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
cover dan abstrak.pdf - Published Version

Download (144kB)
[img] Text (BAB 1 Pendahuluan)
BAB 1 Pendahuluan.pdf - Published Version

Download (302kB)
[img] Text (BAB 5 Penutup)
BAB 5 Penutup.pdf - Published Version

Download (136kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (255kB)
[img] Text (Tugas Akhir Full Text)
Tugas Akhir full text.pdf - Published Version
Restricted to Repository staff only

Download (5MB) | Request a copy

Abstract

Kesibukan orang tua yang bekerja di luar rumah menjadi tantangan besar dalam mengawasi anak berusia 0-2 tahun, yang sering kali menimbulkan kecemasan bagi orang tua dan risiko separation anxiety bagi anak. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring anak berbasis Internet of Things (IoT) yang mampu mendeteksi suara tangisan secara otomatis dan memberikan pengawasan visual secara real-time. Sistem ini dikembangkan menggunakan unit pemrosesan Raspberry Pi 4 Model B dengan input berupa kamera JETE W7 untuk memantau aktivitas area tempat tidur seluas 150 cm dan mikrofon Costa MS-1 untuk menangkap suara tangisan dalam rentang intensitas 100-120 dB. Metode Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan suara tangisan bayi dengan suara gangguan (noise) di lingkungan sekitar. Hasil pengujian menunjukkan bahwa model CNN yang diimplementasikan mencapai tingkat akurasi rata-rata (confidence score) sebesar 92,4% dalam mengenali tangisan bayi. Sistem juga berhasil mengintegrasikan notifikasi real-time ke aplikasi Android berbasis Flutter dengan rata-rata delay antara 0,2 hingga 7 detik, serta fitur interaksi otomatis berupa pemutaran musik penenang saat tangisan terdeteksi. Dengan demikian, sistem ini efektif dalam membantu orang tua memantau kondisi anak dari jarak jauh serta memberikan respon awal untuk menenangkan bayi.

Item Type: Thesis (S1)
Supervisors: Rizka Hadelina, M.T
Uncontrolled Keywords: Monitoring Anak; Internet of Things (IoT); Deteksi Tangisan Bayi; Convolutional Neural Network (CNN); Raspberry Pi
Subjects: T Technology > T Technology (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknologi Informasi > S1 Teknik Komputer
Depositing User: S1 Teknik Komputer
Date Deposited: 18 Apr 2026 08:20
Last Modified: 18 Apr 2026 08:20
URI: http://scholar.unand.ac.id/id/eprint/523588

Actions (login required)

View Item View Item