Koreksi Pelafalan Bahasa Indonesia Anak Usia Dini Menggunakan Word Embedding
DOI:
https://doi.org/10.29407/3j1tjm54Abstract
Kemampuan pelafalan merupakan salah satu aspek penting dalam perkembangan bahasa anak usia dini. Namun, masih terdapat anak yang mengalami kesalahan pengucapan kosakata bahasa Indonesia sehingga memerlukan umpan balik yang tepat untuk membantu proses pembelajaran berbicara. Penelitian ini bertujuan mengembangkan sistem koreksi pelafalan bahasa Indonesia menggunakan Automatic Speech Recognition (ASR) dan Word Embedding FastText. Sistem memanfaatkan Faster-Whisper untuk mengubah suara menjadi teks, FastText untuk merepresentasikan kata ke dalam bentuk vektor numerik, serta Cosine Similarity untuk menentukan tingkat kemiripan antara hasil transkripsi dan kosakata target. Sistem juga dilengkapi fitur identifikasi jenis kesalahan pelafalan, rekomendasi stimulasi pengucapan, dan Text-to-Speech (TTS) untuk menghasilkan pelafalan yang benar. Dataset penelitian terdiri dari 49 data audio kosakata benda dalam lingkungan rumah yang direkam dalam format .wav. Hasil pengujian menunjukkan bahwa sistem mampu melakukan koreksi pelafalan dengan akurasi sebesar 89,80%, di mana 44 data berhasil dikoreksi sesuai target dan 5 data mengalami kesalahan koreksi. Hasil penelitian menunjukkan bahwa kombinasi Faster-Whisper, Word Embedding FastText, dan Cosine Similarity dapat mendukung koreksi pelafalan bahasa Indonesia secara otomatis.
Keywords:
Automatic Speech Recocnition, FastText, Koreksi Pelafalan, Text-to-Speech, Word Embedding##plugins.themes.default.displayStats.downloads##
References
[1] H. Wijaya, "Teknologi Pengenalan Suara tentang Metode, Bahasa dan Tantangan: Systematic Literature Review," vol. 7, no. 2, 2024, doi: 10.32877/bt.v7i2.1888.
[2] H. Azis, E. P. Indreswari, and R. Wisudawanto, "PEMANFAATAN TEKNOLOGI AUTOMATIC SPEECH RECOGNITION DALAM MENCIPTAKAN PEMBELAJARAN INKLUSIF: IMPLEMENTASI, EFEKTIFITAS DAN TANTANGAN," vol. 5, no. 1, pp. 27-33, 2025, doi: 10.36728/ganesha.v5i1.4171.
[3] N. Asrin, A. Soraya, S. M. R. Nasution, and N. Hakimah, "Transformasi Pembelajaran Bahasa Indonesia di Sekolah Dasar Melalui Pendekatan Deep Learning," EUNOIA: Jurnal Pendidikan Bahasa Indonesia, vol. 5, no. 2, pp. 145-156, 2025, doi: 10.30821/eunoia.v5i2.4766.
[4] R. H. Alfando, "KLASIFIKASI TEKS BERITA BERBAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING DAN DEEP LEARNING: STUDI LITERATUR," vol. 7, no. 1, pp. 681-686, 2023, doi: 10.36040/jati.v7i1.6486.
[5] D. S. Kartawijaya and T. W. Sen, "SINTECH Journal 95 Analysis Of Neural Network Architectures For Syllable-Based Voice Recognition In Indonesian," vol. 8, no. 2, pp. 95-103, 2025.
[6] N. A. Mutmaina, "Sistem Pembelajaran Multimedia dengan Teknologi Voice Recognition untuk Berkebutuhan Khusus," vol. 3, no. 2, pp. 470-473, 2025, doi: 10.61722/jssr.v3i2.4342.
[7] A. Atikah Putri, S. Agustian, and R. Abdillah, "Penerapan Metode Logistic Regression Untuk Klasifikasi Sentimen Pada Dataset Twitter Terbatas," Jurnal Sistem Informasi, vol. 7, no. 1, pp. 95-107, 2025, doi: 10.31849/zn.v7i1.24804.
[8] B. E. S. Dewi, "Pengukuran Kemiripan Kalimat Bahasa Indonesia Menggunakan Representasi Word Embedding Fasttext," Jurnal Teknologi Informasi dan Digital, vol. 3, no. 1, pp. 20-29, 2025, doi: 10.65624/tridi.v3i1.99.
[9] S. Sarif and A. AR, "Efektivitas Artificial Intelligence Text to Speech dalam Meningkatkan Keterampilan Membaca," Jurnal Naskhi Jurnal Kajian Pendidikan dan Bahasa Arab, vol. 6, no. 1, pp. 1-8, 2024, doi: 10.47435/naskhi.v6i1.2697.
[10] M. R. Waskito, A. D. Rahajoe, and A. L. Nurlaili, "Implementasi Metode Collaborative Filtering Menggunakan Algoritma Cosine Similarity Dan Jaccard Similarity Pada Sistem E-Commerce," Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, pp. 4307-4316, 2024, doi: 10.23960/jitet.v12i3s1.5315.
[11] I. A. N. Fathony et al., "Optimisasi Whisper Speech-to-Text Bahasa Indonesia dengan Hybrid Cloud dan Multi-Engine," Elkom: Jurnal Elektronika dan Komputer, vol. 18, no. 1, pp. 60-72, 2025, doi: 10.51903/5n2d3s08.
[12] M. D. Rahman, A. Djunaidy, and F. Mahananto, "Penerapan Weighted Word Embedding pada Pengklasifikasian Teks Berbasis Recurrent Neural Network untuk Layanan Pengaduan Perusahaan Transportasi," Jurnal Sains dan Seni ITS, vol. 10, no. 1, 2021, doi: 10.12962/j23373520.v10i1.56145.
[13] M. Mustasaruddin, E. Budianita, M. Fikry, and F. Yanto, "Klasifikasi Sentiment Review Aplikasi MyPertamina Menggunakan Word Embedding FastText dan SVM (Support Vector Machine)," Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 3, p. 526, 2023, doi: 10.30865/json.v4i3.5695.
[14] D. Iskandar and A. Kurniawati, "Analisis Perbandingan Teknik Word2vec dan Doc2vec dalam Mengukur Kemiripan Dokumen Menggunakan Cosine Similarity," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 12, no. 1, pp. 133-144, 2025, doi: 10.25126/jtiik.2025129143.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
