Klasifikasi irama murottal Al-Quran menggunakan metode CNN dengan perbandingan arsitektur ResNet50 dan VGG16

Agustin, Ilham Rizky (2025) Klasifikasi irama murottal Al-Quran menggunakan metode CNN dengan perbandingan arsitektur ResNet50 dan VGG16. Klasifikasi Irama Murottal Al-Quran Menggunakan Metode CNN Dengan Perbandingan Arsitektur ResNet50 dan VGG16, 6 (2). pp. 1-9. ISSN 2686-228X

Preview

Text Ilham Rizky Agustin-1207050047-JOSH.pdf Download (949kB) | Preview

Abstract

Tingkat pemahaman masyarakat Indonesia di bidang murottal Al-Quran saat ini masih tergolong minim. Salah satu faktornya adalah sulitnya membedakan antar irama murottal yang mengharuskan seseorang untuk memiliki keahlian khusus. Di sisi lain, pembelajaran murottal secara tradisional mengharuskan interaksi langsung dengan guru ahli, yang tidak selalu mudah diakses oleh semua kalangan. Tantangan-tantangan ini menekankan pentingnya pengembangan teknologi untuk membantu identifikasi irama murottal. Penelitian ini mengembangkan model klasifikasi irama murottal menggunakan metode Convolutional Neural Network (CNN) berbasis transfer learning dengan dua arsitektur populer, yaitu VGG16 dan ResNet50. Data audio diekstraksi menjadi fitur Short-Time Fourier Transform (STFT) dan Mel-Frequency Cepstral Coefficients (MFCC) untuk dianalisis. Hasil penelitian menunjukkan bahwa arsitektur ResNet50 dengan data ekstraksi MFCC memberikan performa terbaik dengan akurasi pelatihan sebesar 92%, akurasi validasi 85%, dan akurasi pengujian 86%. Selain itu, model ini memiliki nilai precision, recall, dan F1-score masing-masing sebesar 0,87 dan 0,86, yang menunjukkan kemampuan generalisasi yang baik. Sebaliknya, arsitektur VGG16 dengan data ekstraksi STFT dan MFCC menghasilkan akurasi yang lebih rendah dibandingkan ResNet50. Hasil yang diperoleh diharapkan dapat menjadi solusi inovatif dalam pengembangan sistem pembelajaran mandiri berbasis teknologi untuk memahami irama murottal Al-Quran.

Actions (login required)

View Item