<![CDATA[Teknologi pengenalan suara saat ini masih menghadapi beberapa tantangan dalam mengenali aksen lokal Indonesia. Sedangkan pengenalan suara menjadi bagian penting dari berbagai aplikasi, termasuk asisten virtual, chatbot, dan sistem dengan interaksi berbasis suara lainnya. Penyebabnya adalah keanekaragaman aksen di Indonesia. Model konvensional sering kesulitan dalam mengenali variasi aksen karena hanya dilatih menggunakan bahasa Indonesia standar. Sehingga diperlukan pelatihan model dengan aksen baru untuk meningkatkan akurasi. Penelitian ini bertujuan untuk mengembangkan model pengenalan aksen Indonesia khususnya Jawa dan Sunda menggunakan deep learning, serta mengimplementasikannya ke dalam sistem berbasis web. Model dibangun menggunakan algoritma LSTM, dengan ekstraksi fitur MFCC dan untuk sistem akan dikembangkan dengan menggunakan framework Flask. Pendekatan ini diharapkan dapat meningkatkan akurasi pengenalan aksen di Indonesia serta mendukung pengembangan teknologi suara yang lebih inklusif dan adaptif. Hasil sementara menunjukkan hasil yang positif dalam hal akurasi pengenalan aksen. Pelatihan model LSTM dengan ekstraksi fitur MFCC dapat menghasilkan model dengan ketepatan dalam mengenali pola dan karakteristik dari suara setiap aksen dengan akurasi sebesar 89,66% dengan nilai loss yang tergolong rendah yaitu 0,1980. Selain itu model dapat diimplementasikan dengan baik pada sistem berbasis web yang dikembangkan dan dapat digunakan oleh pengguna dengan mudah dan efisien.]]>
Copyrights © 2025
