Buku ini mengulas secara komprehensif peran ekstraksi fitur suara dalam meningkatkan kinerja model Long Short-Term Memory (LSTM) untuk pengenalan ucapan berbahasa Indonesia. Dengan menggabungkan teori dasar pengolahan sinyal suara dan pendekatan pembelajaran mesin, pembaca diajak untuk memahami bagaimana proses pemilahan informasi akustik yang relevan dapat memengaruhi efektivitas sistem pengenalan ucapan.
Dibahas berbagai metode ekstraksi fitur seperti MFCC, Mel- spectrogram, Rasta PLP, Chroma Feature dan Hybrid (MFCC-Rasta PLP), serta bagaimana masing-masing pendekatan berkontribusi terhadap akurasi model LSTM dalam mengenali pola-pola fonetik khas bahasa Indonesia. Buku ini juga menyoroti proses pelatihan, evaluasi, pengurangan kompleksitas model hybrid, evaluasi performace dan tantangan implementasi di dunia nyata
Ditujukan bagi akademisi, peneliti, dan praktisi di bidang kecerdasan buatan dan pemrosesan bahasa alami, buku ini memberikan landasan teoritis yang kuat sekaligus panduan praktis dalam merancang sistem pengenalan ucapan yang adaptif dan efisien.