Keywords
Bacaan Al-Qur’an
Akurasi
CNN
MFCC
How to Cite
Abstract
Abstrak—Penelitian ini bertujuan untuk membangun sistem klasifikasi bacaan surat An-Naba kategori anak-anak secara otomatis menggunakan kombinasi metode Mel-Frequency Cepstral Coefficients (MFCC) dan Convolutional Neural Network (CNN). Sistem dirancang untuk mendeteksi apakah pelafalan ayat dilakukan dengan benar atau salah berdasarkan ciri fonetik suara. Proses dimulai dengan perekaman suara di lingkungan madrasah, dilanjutkan dengan segmentasi dan augmentasi data menjadi 1.200 potongan audio. Data tersebut diubah menjadi representasi MFCC lalu diproses oleh model CNN yang telah dirancang dan dilatih. Output dari program ini berupa klasifikasi biner untuk setiap ayat yang menunjukkan benar atau salahnya pelafalan. Hasil pengujian menunjukkan akurasi pelatihan sebesar 99,75% dan akurasi validasi sebesar 78,75%. Sistem ini dapat memberikan evaluasi bacaan secara objektif dan cepat, serta berpotensi meningkatkan kualitas pembelajaran Al-Qur’an bagi anak-anak.
References
[1] Y. A. Gerhana, A. A. Nugraha, A. R. Ramdani, dan A. A. Nugraha, "Automatic Detection of Hijaiyah Letters Pronunciation using Convolutional Neural Network Algorithm," Jurnal Online Informatika, vol. 7, no. 1, pp. 123–131, 2022.
[2] F. I. Muqsith, E. Supriyati, dan T. Listyorini, "Klasifikasi Pengucapan Huruf Hijaiyah Berbasis Android Menggunakan CNN dengan Fitur Mel-Spectrogram," Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 1, pp. 1–10, 2024.
[3] A. M. Hafidz dan D. R. Ramdania, "Klasifikasi Pelafalan Huruf Hijaiyah Sesuai Sanad Menggunakan CNN dan XGBoost," Jurnal Online Informatika, vol. 7, no. 2, pp. 200–210, 2023.
[4] A. M. Roofiad, A. A. Nugraha, dan A. R. Ramdani, "Classifying Hijaiyah Letters Handwritten Detection of Children Using CNN Algorithm," Khazanah Journal of Religion and Technology, vol. 2, no. 1, pp. 50–60, 2023.
[5] D. Mulya, "Classification of Hijaiyah Letters Using Hybrid CNN-CatBoost," Intelmatics, vol. 3, no. 2, pp. 39–44, 2023.
[6] T. A. P. Nurarinda, J. Sahertian, dan U. Mahdiyah, "Rancangan Sistem Identifikasi Jenis Burung Kicau Berdasarkan Suara Burung dengan Mel Frequency Cepstrum Coefficiens (MFCC)," Seminar Nasional Inovasi Teknologi, UN PGRI Kediri, vol. 1, pp. 237–241, 2020.
[7] A. M. Hafidz, "Implementasi Algoritma CNN untuk Mendeteksi Pelafalan Huruf Hijaiyah Berharakat Kasrah," Skripsi, UIN Sunan Gunung Djati Bandung, 2021.
[8] W. Rahmania, A. A. Nugraha, dan A. R. Ramdani, "Identification of Letters Hijaiyah Pronunciation Using Neural Network (Backpropagation) and Pre-Processing of Mel-Frequency Cepstral Coefficient," EAI Endorsed Transactions on Energy Web, vol. 7, no. 28, pp. 1–8, 2020.
[9] Y. A. Gerhana, A. A. Nugraha, A. R. Ramdani, dan A. A. Nugraha, "Automatic Detection of Hijaiyah Letters Pronunciation using Convolutional Neural Network Algorithm," Jurnal Online Informatika, vol. 7, no. 1, pp. 123–131, 2022.
[10] F. I. Muqsith, E. Supriyati, dan T. Listyorini, "Klasifikasi Pengucapan Huruf Hijaiyah Berbasis Android Menggunakan CNN dengan Fitur Mel-Spectrogram," Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 1, pp. 1–10, 2024.
[11] A. M. Roofiad, A. A. Nugraha, dan A. R. Ramdani, "Classifying Hijaiyah Letters Handwritten Detection of Children Using CNN Algorithm," Khazanah Journal of Religion and Technology, vol. 2, no. 1, pp. 50–60, 2023.
[12] D. Mulya, "Classification of Hijaiyah Letters Using Hybrid CNN-CatBoost," Intelmatics, vol. 3, no. 2, pp. 39–44, 2023.
[13] A. Arcapada, A. A. Nugraha, dan A. R. Ramdani, "Identifikasi Suara Huruf Hijaiyah Menggunakan MFCC dan CNN," Spektrum, vol. 9, no. 2, pp. 100–110, 2022.
[14] A. M. Hafidz, "Implementasi Algoritma CNN untuk Mendeteksi Pelafalan Huruf Hijaiyah Berharakat Kasrah," Skripsi, UIN Sunan Gunung Djati Bandung, 2021.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Nur Ahmadi Thobroni, Risa Helilintar, Intan Nur Farida, Intan Nur Farida