ABSTRAK Nama : Clara Vania Program Studi : Magister Ilmu Komputer Judul : Pengembangan Sistem Text-To-Speech (TTS) Berbasiskan Hidden Markov Models (HMM) untuk Bahasa Indonesia Dalam beberapa tahun terakhir, seiring dengan berkembangnya teknologi, kebutuhan akan sistem yang dapat menghasilkan suara semakin meningkat. Suara merupakan suatu representasi bahasa yang utama, yang dapat ditemui pada semua kebudayaan. Kenyataan tersebut mendorong adanya penelitian untuk membangun suatu sistem yang dapat mengubah teks menjadi suara. Sistem tersebut dinamakan sistem text-to-speech (TTS). Dari berbagai teknik yang digunakan pada penelitian sistem TTS, teknik yang saat ini sedang populer adalah teknik sintesis suara berbasiskan Hidden Markov Models (HMM) dimana suara dihasilkan melalui parameter yang dihasilkan oleh HMM. Pada tugas akhir ini, dilakukan penelitian untuk membangun suatu sistem TTS berbasiskan HMM untuk Bahasa Indonesia. Penelitian ini dilakukan untuk menganalisis pengaruh koleksi data pelatihan yang digunakan terhadap kualitas hasil sintesis suara. Selain itu, dilakukan pula penelitian dengan menambahkan informasi pemenggalan suku kata dan pemberian penekanan suku kata pada kamus pelafalan Bahasa Indonesia. Selanjutnya, penelitian ini juga akan membandingkan hasil pengaturan konfigurasi parameter sistem, yakni mengenai panjang frame serta fungsi windowing yang dipergunakan. Evaluasi hasil penelitian dilakukan dengan menggunakan nilai Mean Opinion Score (MOS) dengan skala (1-5) dan metode evaluasi Semantically Unpredictable Sentences (SUS). Hasil evaluasi menunjukkan bahwa koleksi data penelitian dengan jumlah segment unit yang semakin besar menghasilkan kualitas suara yang semakin baik. Penggunaan informasi pemenggalan suku kata serta penekanan suku kata juga turut meningkatkan hasil kualitas sintesis suara, yaitu masing-masing sebesar 32.21% dan 22.18%. Pada proses segmentasi suara, panjang frame yang digunakan memberikan hasil sintesis terbaik ketika memiliki panjang yang menengah, yaitu 25 ms. Untuk penelitian menggunakan fungsi windowing, fungsi Hamming memberikan nilai yang paling baik bila dibandingkan dengan kedua fungsi lainnya, Hanning dan Blackman, yaitu sebesar 2.775. Kata kunci: sistem TTS, HMM, speech synthesis, text-to-speech, MOS, SUS