Mahasiswa Program Studi Teknik Informatika Universitas Kuningan menghadapi kesulitan dalam melafalkan fonem-fonem kritis bahasa Inggris yang tidak terdapat dalam fonologi bahasa Indonesia, khususnya bunyi fricative /θ/ dan /ð/. Keterbatasan waktu pembelajaran di kelas serta tidak adanya media latihan pelafalan mandiri dengan umpan balik otomatis menjadi permasalahan utama yang dihadapi oleh mahasiswa. Penelitian ini bertujuan untuk merancang dan membangun aplikasi pembelajaran pronunciation berbasis Android yang mengimplementasikan algoritma Rabin-Karp untuk pengecekan pelafalan secara otomatis. Metode yang digunakan adalah Rapid Application Development (RAD) dengan pendekatan phoneme string matching melalui integrasi Android SpeechRecognizer API, CMU Pronouncing Dictionary sebagai konverter Grapheme-to-Phoneme (G2P), dan algoritma Rabin-Karp dengan rolling hash sebagai engine pencocokan fonem. Aplikasi dikembangkan menggunakan Android Studio berbahasa Java dengan Firebase Cloud Firestore sebagai basis data realtime. Pengujian menggunakan Black Box Testing, White Box Testing, dan User Acceptance Testing (UAT) menunjukkan kelayakan 84,6% dari mahasiswa, 97,14% dari dosen, dan 70% dari Staff Prodi. Dengan demikian, aplikasi Learning Pronoun dinilai layak digunakan sebagai media pembelajaran pelafalan bahasa Inggris secara mandiri. Hasil dari penelitian ini berupa aplikasi Android bernama Learning Pronoun yang mampu mendeteksi kesalahan pelafalan per kata secara otomatis dengan menampilkan umpan balik visual berupa highlight warna hijau untuk kata benar dan merah untuk kata salah.

Students of the Informatics Engineering Study Program at Universitas Kuningan face difficulties pronouncing critical English phonemes absent from Indonesian phonology, particularly the fricative sounds /θ/ and /ð/. Limited classroom practice time and the absence of a self-study pronunciation tool with automatic feedback are the main challenges. This research aims to design and develop an Android-based pronunciation learning application implementing the Rabin-Karp algorithm for automatic pronunciation checking. The method used is Rapid Application Development (RAD) with a phoneme string matching approach, integrating Android SpeechRecognizer API, CMU Pronouncing Dictionary as a Grapheme-toPhoneme (G2P) converter, and the Rabin-Karp algorithm with rolling hash as the phoneme matching engine. The application was developed using Android Studio with Java and Firebase Cloud Firestore as a real-time database. Testing using Black Box Testing, White Box Testing, and User Acceptance Testing (UAT) showed feasibility scores of 84.6% from students, 97.14% from a lecturer, and 70% from Staff Prodi. Therefore, the Learning Pronoun application is considered feasible as a self-study English pronunciation learning medium. The result of this research is an Android application named Learning Pronoun that automatically detects mispronounced words by providing visual feedback in the form of green highlighting for correct words and red for incorrect ones.