PENGEMBANGAN PENGENDALI KARAKTER PERMAINAN MENGGUNAKAN SUARA REAL TIME BERBASIS LSTM

Abstract

Penggunaan perintah suara sebagai pengendali karakter permainan menawarkan interaksi yang lebih natural. Namun, performa sistem ini sering dipengaruhi oleh gangguan akustik di lingkungan nyata. Penelitian ini mengembangkan dan mengevaluasi sistem pengendali karakter permainan berbasis suara real-time menggunakan model Long Short Term Memory (LSTM). Empat perintah utama up, down, left, dan right diproses menggunakan ekstraksi Mel Frequency Cepstral Coefficients (MFCC). Evaluasi dilakukan menggunakan pendekatan multi-seed training untuk memastikan hasil yang stabil dan tidak bergantung pada satu inisialisasi pelatihan. Sistem diuji pada tiga kondisi, yaitu tanpa noise, dengan white noise, dan dengan pink noise. Hasil menunjukkan bahwa LSTM mencapai akurasi rata-rata 96,50% pada pink noise dan 96,24% pada white noise dengan standar deviasi yang rendah, menandakan performa yang konsisten. Temuan ini menunjukkan bahwa LSTM cukup robust sebagai pengendali karakter permainan berbasis suara real-time, meskipun peningkatan ketahanan terhadap noise tetap diperlukan untuk penggunaan pada lingkungan akustik yang lebih kompleks