Klasifikasi Ayat Al-Qur'an dengan Mel Frequency Cepstral Coefficient (MFCC) dan Artificial Neural Network (ANN)

Dwichery, Muhammad Auriz (2022) Klasifikasi Ayat Al-Qur'an dengan Mel Frequency Cepstral Coefficient (MFCC) dan Artificial Neural Network (ANN). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (183kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (133kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (221kB) | Preview
[img]
Preview
Text (BAB 1)
4_bab1.pdf

Download (232kB) | Preview
[img] Text (BAB 2)
5_bab2.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB 3)
6_bab3.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB 4)
7_bab4.pdf
Restricted to Registered users only

Download (5MB) | Request a copy
[img] Text
8_bab5.pdf
Restricted to Registered users only

Download (173kB) | Request a copy
[img] Text
9_daftarpustaka.pdf
Restricted to Registered users only

Download (159kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah model Artificial Neural Network (ANN) yang dapat mengenali ayat-ayat dan surah dalam Al-Qur'an melalui penggunaan suara. Para penuntut ilmu agama yang ingin memperdalam pemahaman tentang ayat-ayat Al-Qur'an dapat memanfaatkan teknologi ini untuk mengidentifikasi ayat-ayat tertentu dengan menunjukkan nomor surah dan ayat yang dimaksud. Penelitian ini menggunakan data Al-Qur'an terbatas pada 7 surah dan 32 ayat, serta 31 dataset qari dengan kualitas audio bitrate lebih besar dari 128 kbps dan sampling rate 22050. Metode yang digunakan meliputi tahap-tahap preprocessing data dengan menggunakan MFCC, training dan testing model ANN dilakukan melalui pembagian dataset menjadi data train, validation, dan test. Evaluasi dilakukan dengan menggunakan seluruh data test pada model, dan model terbaik serta optimal dipilih untuk dianalisis hasilnya berdasarkan metrik-metrik yang telah ditentukan sebelumnya, yaitu f-measure, precision, recall, ROC-AUC, dan akurasi. Meskipun hasil penelitian menunjukkan bahwa model terbaik untuk setiap arsitektur masih memerlukan peningkatan dalam kemampuan prediksi, namun beberapa hasil menunjukkan bahwa arsitektur 1, 2, dan 3 memiliki akurasi berturut-turut sebesar 43,1%, 46%, dan 46,4%.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: supervised learning; classification; audio;
Subjects: Data Processing, Computer Science
Special Computer Methods > Artificial Intelligence
Mathematics
Applied mathematics
Divisions: Fakultas Sains dan Teknologi > Program Studi Matematika
Depositing User: Muhammad Auriz Dwichery
Date Deposited: 22 May 2023 01:55
Last Modified: 25 May 2023 00:37
URI: https://digilib.uinsgd.ac.id/id/eprint/68034

Actions (login required)

View Item View Item