Di era digital, teknologi pengolahan suara seperti speech recognition dan speech matching berperan penting dalam interaksi manusia-mesin, serta berpotensi mendukung pelestarian bahasa daerah seperti Bahasa Aceh. Sayangnya, penggunaan Bahasa Aceh, terutama di kalangan generasi muda, terus menurun. Salah satu unsur kebahasaan yang perlu dilestarikan adalah kata sapaan kekerabatan, yang mencerminkan nilai sosial budaya masyarakat Aceh. Penelitian ini bertujuan mengembangkan sistem pencocokan kata sapaan Bahasa Aceh berbasis speech recognition menggunakan metode Hidden Markov Model (HMM), serta menganalisis efektivitas penerapannya dalam pencocokan pelafalan. Setiap kata sapaan dilatih pada model HMM terpisah untuk mengakomodasi variasi pengucapan, dengan dukungan algoritma Forward pada proses perhitungan likelihood. Proses pencocokan meliputi perekaman suara, pre-processing, ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC), dan pencocokan dengan model HMM. Pengujian dilakukan terhadap 50 kata sapaan yang diucapkan oleh lima penutur dalam dua kondisi lingkungan, yaitu dalam dan luar ruangan. Hasil menunjukkan sistem bekerja optimal di dalam ruangan dengan akurasi 77,2%, sedangkan di luar ruangan menurun menjadi 48,8% akibat noise, gema, dan variasi akustik. Temuan ini menguatkan efektivitas metode HMM dalam pencocokan pelafalan kata sapaan Bahasa Aceh, meskipun pengembangan lanjutan masih diperlukan untuk meningkatkan ketahanan sistem. Sistem ini diharapkan menjadi media pembelajaran interaktif dalam pelestarian bahasa daerah.