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.
|
Text (COVER)
1_cover.pdf Download (610kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (570kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (605kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (661kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (720kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (916kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (574kB) | Request a copy |
|
|
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 |
