Indonesia memiliki berbagai macam bahasa. Bahasa merupakan cara manusia untuk bersosialisasi dan dijadikan sebagai penanda stratifikasi sosial dalam menjalin hubungan di suatu masyarakat. Penggunaan bahasa oleh masyarakat terjadi karena faktor lingkungan, suku dan budaya di suatu daerah tertentu. Dengan adanya perbedaan tersebut, dialek masing-masing daerah memiliki karakteristik yang unik. Perbedaan dialek sering menimbulkan perbedaan pemahaman. Identifikasi dialek dilakukan untuk mengetahui informasi sinyal suara dan mengklasifikasikan suku bangsa seseorang.
Tugas akhir ini dirancang menggunakan MFCC (Mel Frequency Cepstral Coefficient) dan ZCR (Zero Crossing Rate) sebagai metode untuk melakukan ekstraksi ciri. Suara dari beberapa suku dengan dialek Batak, Serawai, dan Makassar akan direkam oleh gawai dan diproses menggunakan aplikasi Matlab. Suara yang telah diekstraksi ciri akan dibuat kelas dan diklasifikasikan berdasarkan suku. Klasifikasi tersebut dilakukan menggunakan metode Deep Neural Network.
Dalam penelitian kali ini terdapat dua skenario pengujian yaitu pengujian validasi dan pengujian akurasi. Data yang digunakan adalah data suara primer yang telah direcord oleh narasumber sebanyak 300 (75%) data latih dan 75 (25%) data uji. Pengujian terbaik dari penelitian ini adalah dengan nilai parameter Hidden size 300, L2 Weight Regulazitation 0.001, Sparsity Regulazitation 2, dan Epoch 100 yang menghasilkan tingkat validasi 100% dan akurasi 86%.
Kata Kunci: Dialek, Mel Frequency Cepstral Coefficient (MFCC), Zero Crossing Rate (ZCR), Deep Neural Network.