<![CDATA[Penelitian ini mengeksplorasi kemampuan kecerdasan buatan (AI) dalam memahami perintah suara yang diucapkan dalam bahasa lokal atau dialek Nusantara, yang memiliki keragaman fonetik, intonasi, dan kosakata khas daerah. Tujuan utama dari penelitian ini adalah untuk mengembangkan model pengenalan suara berbasis deep learning yang mampu mengenali perintah suara dalam berbagai dialek lokal Indonesia dengan akurasi tinggi. Penelitian ini melibatkan tahapan pengumpulan data audio dari penutur asli berbagai daerah, yang mencakup berbagai dialek dan aksen lokal. Selanjutnya, data yang terkumpul menjalani proses pra-pemrosesan untuk membersihkan noise dan menormalkan variasi suara. Model pengenalan suara dilatih menggunakan pendekatan transfer learning, memanfaatkan model pretrained yang kemudian disesuaikan dengan data lokal melalui teknik fine-tuning. Evaluasi dilakukan menggunakan metrik Word Error Rate (WER) dan Command Accuracy untuk mengukur tingkat kesalahan dan akurasi model dalam mengenali perintah suara. Hasil penelitian menunjukkan bahwa akurasi pengenalan suara dalam dialek lokal lebih rendah dibandingkan dengan Bahasa Indonesia baku, namun teknik data augmentation dan fine-tuning model pretrained dapat menurunkan tingkat kesalahan hingga 15–20%. Selain itu, uji pengguna menunjukkan bahwa teknologi AI yang mendukung dialek lokal meningkatkan tingkat kenyamanan, kepercayaan, dan penerimaan pengguna. Penelitian ini menekankan pentingnya pengembangan dataset suara daerah yang lebih beragam dan desain antarmuka suara yang adaptif, guna memastikan teknologi AI yang lebih inklusif secara linguistik dan kultural.]]>
Copyrights © 2025
