EdgeClap: Implementasi Sistem Otentikasi Pintu Pintar Berbasis Tepuk Tangan Menggunakan Model LSTM yang Dioptimalkan dengan Knowledge Distillation pada Perangkat IoT [AJG]

Abstract

Perkembangan Internet of Things (IoT) mendorong hadirnya sistem keamanan rumah cerdas, namun sistem autenikasi di luar sana masih banyak yang memerlukan kamera maupun sensor lainnya yang tergolong berat jika di jalankan pada perangkat IoT. Penelitian ini mengusulkan EdgeClap, sistem autentikasi pintu berbasis tepuk tangan yang menggunakan model Long ShortTerm Memory (LSTM) dan kemudian model dioptimalkan menggunakan Knowledge Distillation (KD) agar efisien dan dapat berjalan di atas perangkat IoT seperti ESP32. Data suara tepuk tangan diambil menggunakan sensor KY-037 dan diolah untuk melatih model LSTM kemudian dioptimalkan menggunakan KD agar model lebih efisien tanpa mengurangi akurasi secara signifikan. Sistem diimplementasikan lokal pada perangkat edge untuk kemudian dihitung akurasi dan efisiensinya.