Teachable Machine: Deteksi Dialek Sumba Timur (Kambera) Menggunakan Layanan Open Source

Abstract

Studi penelitian ini dilaksanakan untuk mengembangkan sistem deteksi fonetik dialek Kambera dari bahasa lokal Sumba Timur berbasis framework TensorFlow yang akan diimplementasikan pada aplikasi mobile. Sebagai bagian dari inisiatif ini, penelitian ini telah mengompilasikan sebuah dataset representatif dari sampel fonetik dialek Kambera. Tujuan utamanya adalah untuk meningkatkan presisi dalam pengenalan fonetik. Menggunakan dialek Kambera sebagai studi kasus, data diekstraksi dan dilatih menggunakan layanan Teachable Machine berbasis open-source. Penelitian ini mengadopsi pendekatan berbasis convolutional neural network (CNN) yang dikombinasikan dengan metode Mel frequency cepstral coefficients (MFCC) untuk ekstraksi fitur yang lebih akurat. Setelah proses pengumpulan data, pelatihan model, pengujian, dan implementasi, model diintegrasikan ke dalam platform Android untuk kepentingan publik yang ingin memahami bahasa dialek Kambera dari Sumba Timur. Pengembangan dan pengujian sistem ini dirancang untuk mendeteksi dan menginterpretasikan fonetik bahasa lokal Sumba Timur dengan dialek Kambera, memberikan kontribusi signifikan dalam optimalisasi pengenalan fonetik, serta menyediakan dataset untuk kepentingan penelitian berkelanjutan. Sistem ini juga berfungsi sebagai alat edukasi linguistik yang dapat diakses dan mendukung inklusi serta diversifikasi linguistik dalam teknologi digital. Evaluasi empiris menunjukkan bahwa tingkat presisi deteksi dialek rata-rata secara keseluruhan mencapai 98,3% hingga 99,6%, dengan tingkat kepuasan pengujian kepada pengguna mencapai 99,33%. Hasil ini menegaskan bahwa sistem yang dikembangkan memiliki kapabilitas deteksi yang sangat efisien dan baik.

Keywords

• convolutional neural network
• mel frequency cepstral coefficients
• teachable machine
• deteksi suara
• sumba timur
• open source
• tensorflow
• dialek kambera