Pengembangan dan adaptasi drone sudah mulai mengikuti kehidupan manusia, bahkan di sektor penyelamatan nyawa Search and Rescue (SaR). Dalam konteks misi penyelamatan, drone dapat digunakan untuk memprediksi arah sumber suara, seperti teriakan manusia atau peluit darurat, menggunakan teknik Sound Source Localization (SSL) dan Sound Event Detection (SED) ketika persepsi visual tidak bisa diandalkan. Namun, tantangan utama muncul dari gangguan ego-noise yang dihasilkan oleh putaran motor drone, yang dapat memengaruhi akurasi pengenalan suara. Tugas akhir ini bertujuan untuk mengimplementasikan dan menganalisis performa sistem deteksi dan prediksi arah suara peluit darurat pada drone menggunakan microphone array. Metode yang diusulkan mencakup penggunaan Sound Event Localization and Detection Network (SELDnet) dan spectral-gating untuk meningkatkan akurasi SSL dan SED dengan mengurangi gangguan suara motor. Selain itu, fitur Fourier Transform (FFT) akan digunakan untuk ekstraksi fitur pada suara. Penelitian ini berfokus pada menggunakan metode reduksi ego-noise, memungkinkan drone untuk mendeteksi dan prediksi arah sumber suara peluit secara lebih akurat. Dengan mengatasi tantangan ini, sistem yang diusulkan diharapkan dapat memberikan kontribusi signifikan pada misi Search and Rescue (SAR), khususnya dalam situasi darurat ketika peluit darurat digunakan sebagai penanda utama.