IMPLEMENTASI DEEP SPEECH DALAM PEMBELAJARAN BAHASA JAWA DIALEK JOGJA BERBASIS SUARA

Tugas Akhir ini membahas implementasi teknologi Automatic Speech Recognition (ASR) berbasis DeepSpeech pada arsitektur Long Short-Term Memory (LSTM) dalam pengembangan aplikasi pembelajaran bahasa daerah berbasis suara pada perangkat Android. Dataset yang digunakan berasal dari penutur asli dialek Jawa Yogyakarta,
dengan total durasi suara sekitar 10 jam 24 menit, mencakup 36 kosakata krama alus. Data suara diproses menggunakan metode Short-Time Fourier Transform (STFT) dan
Mel-Frequency Cepstral Coefficients (MFCC), kemudian dilatih menggunakan model DeepSpeech. Model yang dihasilkan dievaluasi menggunakan metrik Word Error Rate
(WER) dan Character Error Rate (CER). Hasil pelatihan menunjukkan bahwa model mencapai WER sebesar 20% dan CER sebesar 3,7%, serta nilai loss akhir sebesar 1,45, yang mengindikasikan performa cukup stabil dan akurat. Aplikasi Javalingo yang dikembangkan berhasil mengintegrasikan model tersebut dan mampu memberikan feedback langsung terhadap pelafalan pengguna. Diharapkan aplikasi ini
dapat menjadi solusi dalam pelestarian bahasa daerah melalui pendekatan teknologi yang adaptif dan interaktif.