Teknologi Smart Home berkembang pesat sebagai solusi untuk meningkatkan kenyamanan dan efisiensi energi dalam rumah tangga. Salah satu metode interaksi yang paling intuitif dalam sistem rumah pintar adalah penggunaan perintah suara (voice-activated). Namun, sebagian besar sistem pengenalan suara saat ini sangat bergantung pada koneksi internet (cloud), yang memiliki kelemahan terkait latensi dan privasi. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem Smart Home Voice Activated yang bekerja secara offline menggunakan mikrokontroler ESP32. Sistem ini dirancang menggunakan modul mikrofon I2S INMP441 untuk akuisisi suara dan modul relay untuk mengendalikan perangkat listrik (lampu dan kipas angin). Pengolahan sinyal suara dilakukan menggunakan Tiny Machine Learning (TinyML) melalui platform Edge Impulse. Metode ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC) dan klasifikasi Neural Network digunakan untuk melatih model agar dapat mengenali wake word "Hai Zea" dan perintah (on dapur, off dapur, on kamar, off kamar, kipas satu, kipas dua, off kipas) Hasil pelatihan model menunjukkan akurasi sebesar 90,2% dengan akurasi pengujian model sebesar 83,69%. Berdasarkan pengujian perangkat keras, sistem mampu merespons perintah suara untuk menyalakan atau mematikan lampu dan kipas dengan tingkat keberhasilan 100% pada kondisi ruangan hening dengan jarak efektif 0,5meter hingga 1 meter. Pada kondisi lingkungan bising (suara percakapan), akurasi sistem mengalami penurunan menjadi 60% - 80%. selain itu, Sistem tidak merespons perintah dari suara pengguna yang tidak terdaftar dalam data latih.