Perpustakaan Digital ITB
Penelitian ini mengusulkan dan menguji sistem pengenalan makhraj pada bacaan Al-Qur'an yang ditingkatkan kinerjanya dengan menambahkan tahapan segmentasi audio menggunakan metode Short-Time Energy (STE) dengan pendekatan XGBoost dan Convolutional Neural Network 1 Dimensi (CNNlD). Fokus penelitian ini adalah pengenalan makhraj huruf Lam, makhraj adalah titik artikulasi dalam pengucapan huruf-huruf Arab, khususnya dalam konteks bacaan Al-Qur'an. Makhraj huruf Lam ada dua kelas yaitu, lam tarqiq (pembacaan tipis) dan lam tafkhim (pembacaan tebal) tergantung energi yang dikeluarkan. Segmentasi audio dengan STE terbukti efektif dalam meningkatkan akurasi pengenalan makhraj, karena STE berhasil mengidentifikasi segmen-segmen audio dengan nilai akumulasi energi tertinggi, yang memudahkan proses pengenalan suara. Model Convolutional Neural Network 1 Dimensi (CNNlD) dengan fitur Mel Frequency Cepstral Coefficients (MFCC) sebanyak 39 menunjukkan hasil yang paling optimal. Model ini menunjukkan bahwa pendekatan yang diusulkan mampu memberikan kinerja yang tinggi dalam mengenali makhraj huruf Lam, dengan ratarata Fl Score sebesar 97.95%. Implementasi sistem ini diharapkan dapat memberikan kontribusi signifikan dalam pengajaran bacaan Al-Qur'an, terutama dalam membantu pembelajaran makhraj secara lebih akurat dan efisien.