Pengembangan proses segmentasi sinyal ucapan kedalam satuan silabel dinilai sangat penting untuk mengembangkan sistem Automatic Speech Recognition (ASR) maupun Speech Synthesis. Proses optimisasi parameter segmentasi menggunakan Particle Swarm Optimization (PSO) mampu menghasilkan akurasi untuk model ALNSA sampai 86.89%. Pada model ALNSA tersebut, penggunaan fitur Short-term Energy (STE) dan Zero Crossing Rate (ZCR) mampu menaikan akurasi segmentasi dibanding menggunakan STE saja, meskipun tidak signifikan sebesar 0.29%, serta menurunkan insertion error dan deletion error sebesar 0.17% dan 0.11% secara berurut.