Penebangan liar merupakan ancaman serius terhadap kelestarian hutan di

Indonesia. Penelitian ini mengembangkan sistem pendeteksi suara gergaji mesin

berbasis deep learning menggunakan modul komunikasi LoRa SX1276. Sistem

terdiri atas tiga komponen utama, yaitu recorder (ESP32 dan mikrofon INMP441),

transmitter (Orange Pi 5 Pro), dan receiver (Orange Pi One). Klasifikasi audio

dilakukan menggunakan model CNN kustom dengan fitur Log-Mel Spectrogram

dan MFCC, serta model YAMNet yang telah di-fine-tune. Dataset ESC-50 yang

dimodifikasi menjadi klasifikasi biner (chainsaw dan non-chainsaw) digunakan

untuk proses pelatihan dan pengujian menggunakan metode train-test split. Hasil

pengujian menunjukkan bahwa model YAMNet yang telah di-fine-tune mencapai

akurasi tertinggi sebesar 96,15% dengan F1-score sebesar 96,05%, sedangkan

model CNN Log-Mel–MFCC dan CNN MFCC masing-masing memperoleh

akurasi sebesar 93,80% dan 91,85%. Pengujian komunikasi LoRa SX1276 pada

frekuensi 915 MHz menunjukkan tingkat keberhasilan pengiriman data sebesar

100% pada jarak 0–200 meter dan 98% pada jarak 500 meter. Pengujian sistem

secara terintegrasi mengonfirmasi bahwa sistem mampu mendeteksi suara gergaji

mesin hingga jarak 5 meter dari recorder serta mengirimkan hasil deteksi hingga

jarak 50 meter dengan tingkat keberhasilan 100% dan latensi pengiriman 10–15

detik.