Penerapan metode Mel-Frequency Cepstral Coefficient dan Long Short-Term Memory dalam deteksi kesalahan pembacaan mad thabi’i pada Iqra

Athiyah, Nabila Nur (2024) Penerapan metode Mel-Frequency Cepstral Coefficient dan Long Short-Term Memory dalam deteksi kesalahan pembacaan mad thabi’i pada Iqra. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

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

Download (610kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (570kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (605kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (661kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (720kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (916kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (574kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (614kB) | Request a copy

Abstract

Pada pembelajaran Al-Qur'an, terutama pada tahap awal seperti Iqra, kesalahan dalam pembacaan dapat mempengaruhi makna dan pemahaman. Oleh karena itu, diperlukan sistem otomatis yang dapat membantu dalam mendeteksi dan mengoreksi kesalahan tersebut. Data yang digunakan dalam penelitian ini diambil dari rekaman suara pembacaan Iqra, yang kemudian dibagi menjadi dua kategori: benar dan salah. Penelitian ini menggunakan perbandingan data training dan testing sebesar 80% dan 20%, dengan tambahan optimizer Nadam dan kernel Uniform untuk meningkatkan kinerja model. Hasil penelitian menunjukkan bahwa algoritma LSTM dengan ekstraksi fitur MFCC mampu mendeteksi kesalahan pembacaan Iqra dengan akurasi yang memadai. Model ini berhasil mencapai precision sebesar 87%, recall sebesar 88%, dan F1-score sebesar 88%, menunjukkan kemampuan yang baik dalam mengenali dan membedakan antara pembacaan yang benar dan salah. Selain itu, akurasi hasil pengujian mencapai 94%. Hasil ini memberikan dasar yang kuat untuk pengembangan lebih lanjut dalam aplikasi pendeteksian kesalahan pembacaan Al-Qur'an secara otomatis, serta dapat menjadi alat bantu yang efektif bagi pengajar dan siswa dalam memperbaiki kualitas pembelajaran Iqra.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Iqra; Kernel Uniform; LSTM (Long Short-Term Memory); MFCC (Mel-Frequency Cepstral Coefficients); Optimizer Nadam
Subjects: Special Computer Methods > Artificial Intelligence
Special Computer Methods > Digital Audio
Islam Umum > Islam dan Ilmu Terapan, Islam dan Teknologi
Al-Qur'an (Al Qur'an, Alquran, Quran) dan Ilmu yang Berkaitan > Ilmu Qiraat dan Tajwid
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Nabila Nur Athiyah
Date Deposited: 09 Sep 2024 08:05
Last Modified: 09 Sep 2024 08:05
URI: https://digilib.uinsgd.ac.id/id/eprint/97118

Actions (login required)

View Item View Item