Identifikasi Kebenaran Bacaan Huruf Hijaiyah Sesuai Sanad Menggunakan Metode MFCC dan K-Nearest Neighbor (KNN)

Mushaffa Rasyid Ridha, Ika Candradewi, S.Si, M.Cs

2021 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Belum adanya sebuah program/sistem pengecekan bacaan Al-Quran sesuai sanad yang dapat melakukan pengecekan bacaan tanpa pengawasan pengajar/ustadz, sehingga digunakan metode pemrosesan sinyal digital sebagai media yang tepat untuk menciptakan sistem identifikasi bacaan huruf hijaiyah sesuai sanad. Pertama data suara yang akan diproses untuk melatih sistem didapatkan dari organisasi IAC (Indonesia Al-Qur'an Center) sebagai salah satu pusat pembinaan Al-Qur'an bersanad, berjumlah 2379 data latih dan 2290 data uji. Kemudian dilakukan pre-processing pada data dengan menggunakan VAD Giannakopoulos dan wavelet denoising menggunakan Fejer-Korovkin 6 koefisien. Setelah itu dilakukan ekstraksi ciri pada data menggunakan metode MFCC dengan 4000 ciri setiap datanya. Klasifikasi dilakukan menggunakan metode KNN, dengan klasifikasi mengunakan 13 kelompok sifat huruf yang dijelaskan oleh ulama qiroat Ibnul Jazariy. Sistem yang dibuat memiliki akurasi serta performa yang lebih dari 80% untuk identifikasi huruf sya dan mim, memiliki akurasi serta performa 60-80% untuk identifikasi 14 jenis huruf, yaitu huruf ba, ta, jim, ha(tipis), kha, dzal, zay, sin, ghoin, nun, waw dan ya, memiliki akurasi yang 40-60% tapi performa 60-80% untuk identifikasi huruf alif dan kaf, akurasi yang 60-80% tapi performa 40-60%, untuk identifikasi huruf fa, qof, lam dan ha(tebal) serta memiliki akurasi dan performa 40-60%, untuk huruf tsa, dal, shod, dhzo dan 'ain. Terdapat 3 huruf yang memiliki performa yang di bawah 40%, yaitu huruf ro, dhod dan tho.

There isn't any system/program to identify of sanad's ways of reading the Qur'an without the supervision of the teacher/ustadz, therefore signal processing is used as the medium to create an identification system for reading Arabic letters according to the sanad. First, the voice data that will be processed to train the system is obtained from the IAC (Indonesia Al-Qur'an Center) as one of the organizations that focus on improving the way of reading Al-Qur'an according to sanad, totaling 2379 training data and 2290 test data. Then pre-processing the data using Giannakopoulos VAD and wavelet denoising using Fejer-Korovkin 6 coefficients. After that, feature extraction on the data is carried out using the MFCC method with 4000 features for each data. The classification was carried out using the KNN method, with classification using 13 groups of character traits described by the qiroat scholar Ibnul Jazariy. The system created has accuracy and performance of more than 80% for the identification of letter sya and mim, has accuracy and performance of 60-80% for the identification of 14 types of letters, namely letters ba, ta, jim, ha(light), kha, dzal, zay, sin, ghoin, nun, waw and ya, have 40-60% accuracy but 60-80% performance for identification of letters alif and kaf, accuracy of 60-80% but performance of 40-60%, for identification of letters fa, qof, lam and ha(heavy) and have 40-60% accuracy and performance, for letters tsa, dal, shod, dhzo and 'ain. Three letters have performance below 40%, namely letters ro, dhod and tho.

Kata Kunci : VAD Giannakolpoulos, Wavelet Denoising, Fejer-Korovkin, Mel Frequency Cepstral Coefficient, K-Nearest Neighbor.