ABSTRAKSI: Konversi Indonesian grapheme-to-phoneme (G2P) merepresentasikan sebuah tugas pemetaan setiap grafem/simbol eja dalam sembarang kata yang dikenal dalam bahasa Indonesia ke representasi fonemik/simbol pelafalannya. Sistem dalam tugas akhir ini menangani pemetaan fonemik ke dalam bentuk alofon yang merupakan representasi yang lebih terkonstrain dari sebuah fonem. Multi-Layer Perceptron (MLP) merupakan model Neural Network yang memiliki satu atau lebih hidden layer (lapisan tersembunyi) yang mampu menyelesaikan permasalahan kompleks, seperti permasalahan konversi G2P. MLP dilatih dengan menggunakan algoritma Back Propagation agar dapat menyelesaikan permasalahan yang diberikan. Hasil pengujian pada data testing menunjukkan MLP dapat memberikan performansi yang baik dalam menangani permasalahan G2P dengan mempertimbangkan parameter pelatihan yang digunakan.Kata Kunci : konversi grapheme-to-phoneme, alofon, bahasa Indonesia, multilayerABSTRACT: Indonesian graphem to phonem (G2P) conversion represents an assigment to map each graphem/symbol spelling any word known in Indonesian to phonemic representation/pronounciation symbol. System in this final project deals with phonemic mapping to allophone that represents a phonem specifically. Multi Layer Perceptron (MLP) is a neural network model having one or more hidden layer that able to solve complex problems such as G2P conversion issue. MLP is trained using Back Propagation algorithm to solve the problem given. Test result on testing data show that MLP can provide a good performance in handling G2P problem by considering the training parameter used.Keyword: grapheme-to-phoneme conversion, alophone, Indonesian,multi-layer