Pengenalan suara (speech recognition) adalah salah satu ilmu yang merupakan bagian dari Natural Language Processing (NLP) yaitu cabang dari Artificial Intelligence (AI) yang bertujuan agar mesin dapat memahami perintah atau ucapan yang berbentuk sinyal suara.
Teknologi speech recognition dapat diimplementasikan dalam membantu manusia dalam kehidupan sehari-hari, salah satu permasalahan yang dapat diselesaikan dengan implementasi speech recognition dalam pembuatan sistem kunci pintar berdasarkan perintah berbasis suara.
Dalam membuat desain dari speech recognition untuk sistem ini, digunakanlah ekstraksi ciri Mel Frequency Cepstral Coefficients (MFCC) untuk menghasilkan cepstral coefficient, kemudian dengan hasil cepstral coefficient tersebut, akan di proses menggunakan algoritma Long Short Term Memory (LSTM) untuk memberikan prediksi terhadap ucapan yang menjadi input dari sistem. Kemudian dalam mengimplementasikan desain yang dibuat, dengan menggunakan cloud computing, model yang sudah di training dihubungkan ke Raspberry Pi yang mengatur solenoid untuk mengunci maupun membuka pintu.
Dalam penelitian ini menggunakan dua dataset yang berbeda yaitu dataset yang dibuat manual dan dataset yang dimiliki oleh Google, lebih lanjut pemodelan menggunakan deep learning dilakukan untuk mendapatkan hasil analisis performansi sistem, yaitu pada kombinasi hyperparameter optimizer dan learning rate hingga didapatkan nilai optimal pada dataset satu adalah optimizer Nadam pada learning rate 0,0001 yaitu accuracy test 87,9% , precision 88% , recall 88% dan F-1 score 88%. sedangkan pada dataset dua nilai optimal adalah kombinasi optimizer Nadam pada learning rate 0,001 yaitu accuracy test 99,1% , precision 99,1% , recall 99,2% dan F-1 score 99,2%. Selanjutnya hasil pengujian pada alat didapatkan hasil terbaik adalah jenis kelamin perempuan pada jarak 5 cm dengan akurasi 88%, precision 76%, recall 100% dan F-1 score 86%.