Hidayat, Taopik (2023) Klasifikasi jenis irama qiro’ah menggunakan metode Mel Frequency Cepstral Coefficients dan Algoritma Support Vector Machine. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (83kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (203kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (189kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (235kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (415kB) |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (635kB) |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (580kB) |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (151kB) |
||
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (97kB) |
Abstract
Sebagai seorang muslim yang baik dianjurkan untuk senantiasa membaca Al-Quran. Selama ini pencapaian seseorang dalam hal membaca Al-Quran khususnya dalam seni membaca Al-Qur’an atau yang disebut dengan qiro’ah masih minim. Hal ini disebabkan adanya dalam hal pemahaman seseorang yang ditentukan oleh berbagai faktor yang mempengaruhinya. Salah satunya adalah faktor dalam diri seseorang yaitu belum bisa membedakan suatu jenis irama dalam seni membaca Al-Quran. Penelitian ini menghasilkan sebuah model klasifikasi jenis irama qiro’ah sebagai salah satu alternatif penyelesaian masalah pengenalan jenis suara qiro’ah berdasarkan suara qori dengan data rekaman suara jenis irama qiro’ah yang digunakan adalah jenis irama bayyati. Dikarenakan jenis irama tersebut yang umum dibacakan oleh pecinta qori. Penelitian ini mengusulkan sebuah metode yang mampu mengenalkan jenis suara qiro’ah menggunakan teknologi speech recognition yang dapat mengenali suara dengan baik. Suara kemudian diekstraksi menggunakan metode Mel-frequency cepstral coefficients (MFCC) dan selanjutnya diklasifikasikan menggunakan model deep learning dengan algoritma SVM. Pada penelitian ini berhasil mengklasifikasikan jenis suara qiro’ah bernada bayyati menggunakan SVM dengan metode MFCC dengan kinerja terbaik pada akurasi 94%, presisi 93%, recall 94%, dan f1-score sebesar 93%.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | Bayyati; MFCC; speech recognition; SVM; Qiro’ah |
Subjects: | Special Computer Methods > Digital Audio Al-Qur'an (Al Qur'an, Alquran, Quran) dan Ilmu yang Berkaitan Numerical Analysis > Algorithms Vocal Music > Other Types of Voices |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | Taopik Hidayat |
Date Deposited: | 18 Sep 2023 10:19 |
Last Modified: | 20 Sep 2023 01:56 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/78184 |
Actions (login required)
View Item |