MAWADDAH, MAWADDAH (2026) APLIKASI DETEKSI AYAT ALQURAN DENGAN MENGGUNAKAN MODEL PENGENALAN SUARA MACHINE LEARNING R-CNN (STUDI KASUS SURAH AN-NABA). S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (100kB)
	Text ABSTRAK.pdf Download (248kB)
	Text BAB 1.pdf Download (221kB)
	Text DAPUS.pdf Download (211kB)
	Text FULL TEXT.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini bertujuan mengembangkan aplikasi deteksi ayat Al-Quran berbasis suara menggunakan model machine learning R-CNN, dengan fokus pada Surah An- Naba. Latar belakang penelitian ini dilandasi oleh kebutuhan akan aksesibilitas Al- Quran, khususnya bagi individu dengan keterbatasan visual atau literasi. Teknologi pengenalan suara memungkinkan deteksi otomatis ayat melalui rekaman suara, yang kemudian dikonversi menjadi representasi visual seperti spektrogram dan Mel Frequency Cepstral Coefficients (MFCC). Data latih yang digunakan adalah rekaman audio 40 ayat dari Surah An-Naba dalam berbagai kualitas dan intonasi suara. Dataset ini kemudian diolah melalui proses pembersihan noise dan normalisasi volume, sebelum dikonversi menjadi citra audio. Model yang digunakan adalah kombinasi arsitektur Conv1D, BiLSTM, dan Dense layer, dengan pelatihan berdasarkan data MFCC serta fitur lanjutan seperti chroma dan tonnetz. Hasil implementasi menunjukkan akurasi pelatihan sebesar 85,12%, validasi terbaik 51,16%, dan akurasi pengujian 41,86%. Top-3 accuracy mencapai 72,09%, artinya sekitar 30 dari 40 ayat berhasil dikenali dalam tiga prediksi teratas. Sistem diuji melalui API dan antarmuka web dengan fitur unggah audio, analisis tajwid, dan identifikasi ayat secara otomatis. Kesimpulan dari penelitian ini adalah bahwa pendekatan R-CNN dalam bentuk adaptasi pada data audio memiliki potensi besar untuk pengembangan aplikasi berbasis AI yang membantu aksesibilitas dan pembelajaran Al-Quran secara lebih inklusif.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	MAWADDAH MAWADDAH
Date Deposited:	20 May 2026 04:05
Last Modified:	20 May 2026 04:05
URI:	https://rama.unimal.ac.id/id/eprint/19807

Actions (login required)

View Item