DETEKSI SUARA HUKUM TAJWID NUN SUKUN PADA BACAAN AL-QURAN MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENT DAN CONVOLUTIONAL NEURAL NETWORK

Mas, Muhammad Aqil Salim (2025) DETEKSI SUARA HUKUM TAJWID NUN SUKUN PADA BACAAN AL-QURAN MENGGUNAKAN MEL FREQUENCY CEPSTRAL COEFFICIENT DAN CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, UPN "Veteran" Jawa Timur.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (136kB)
	Text BAB 2.pdf Restricted to Repository staff only until 2028. Download (394kB) \| Request a copy
	Text BAB 3.pdf Restricted to Repository staff only until 2028. Download (716kB) \| Request a copy
	Text BAB 4.pdf Restricted to Repository staff only until 2028. Download (1MB) \| Request a copy
	Text BAB 5.pdf Download (11kB)
	Text DAFTAR PUSTAKA.pdf Download (151kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only until 2028. Download (233kB) \| Request a copy

Abstract

Penelitian ini mengembangkan sistem deteksi otomatis untuk mengenali hukum tajwid, khususnya bacaan nun sukun dan tanwin dalam Al-Quran. Metode yang digunakan menggabungkan ekstraksi fitur Mel-Frequency Cepstral Coefficient (MFCC) dengan klasifikasi menggunakan Convolutional Neural Network (CNN). Dataset terdiri dari 1344 sampel suara, yang dikumpulkan dari rekaman langsung dan sumber daring, lalu dikategorikan ke dalam enam kelas hukum tajwid. Tahap pre-processing mencakup pemotongan durasi, pengurangan noise, dan ekstraksi fitur menggunakan MFCC, yang kemudian diproses oleh CNN dengan fungsi aktivasi softmax. Berbagai konfigurasi diuji untuk menemukan parameter optimal, termasuk jumlah koefisien MFCC (40), durasi audio (3 detik), arsitektur CNN (32-64-96), batch size (16), dan jumlah epoch. Model yang dikembangkan mencapai akurasi 94%, dengan loss rendah (0.3095) serta precision, recall, dan F1-score di atas 0.93 untuk semua kelas. Hasil ini menunjukkan bahwa kombinasi MFCC dan CNN mampu mengenali pola akustik hukum bacaan tajwid secara akurat. Pendekatan ini berpotensi digunakan dalam sistem pembelajaran tajwid berbasis suara, membantu masyarakat memahami bacaan Al-Quran dengan lebih mudah dan tepat.

Item Type:

Thesis (Diploma)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Dr. Rr., Ani Dijah Rahajoe	NIDN	anidijah.if@upnjatim.ac.id
Thesis advisor	Dr. Eng. Ir., Anggraini Puspita Sari	NIDN	anggraini.puspita.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Q Science > QA Mathematics > QA76.6 Computer Programming
Q Science > QA Mathematics > QA76.87 Neural computers

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Muhammad Aqil Salim Mas

Date Deposited:

18 Jun 2025 06:51

Last Modified:

18 Jun 2025 06:51

URI:

https://repository.upnjatim.ac.id/id/eprint/37996