PENGENALAN JENIS BACAAN AYAT AL-QUR’AN DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

M. Habib Hanafi (2020), PENGENALAN JENIS BACAAN AYAT AL-QUR’AN DENGAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi, Universitas Samudra.

ABSTRAK

Al-Qur’an sebagai kitab suci umat islam, memiliki karakteristik pada saat membacanya. Karakteristik ini menjadikan pembacaan Al-Qur’an pada umumnya terbagi dari cara membacanya maupun jenis Qira’at-nya. Meskipun demikian, masyarakat cenderung menganggap hal tersebut sama. Pada kasus ini, sangat tepat jika penelitian yang membahas pengembangan sistem untuk pengenalan jenis bacaan Al-Qur’an  dilakukan dan salah satu ilmu yang dapat diterapkan  ialah voice recognition dengan metode SVM dan MFCC sebagai metode ektraksi fiturnya. Penelitian ini bertujuan untuk mengekstraksi data audio bacaan Al-Qur’an menjadi nilai-nilai yang selanjutnya dapat dilakukan pengenalan dengan metode SVM.. Support vector machine atau biasa disebut SVM adalah salah metode supervised learning yang dapat digunakan untuk klasifikasi data  SVM membagi data menjadi dua kelas dengan memaksimalkan margin antara hyperplane dengan kedua data terdekat pada kedua kelas. Adapun parameter yang digunakan pada penelitian ini ialah jumlah filterbank : 29, mel koefisien ceptral : 13, pre-emphasis : 0.95.  Hasil pada penelitian ini menghasilkan ektraksi fitur MFCC pada sebanyak 13 koefisien cepstral dan 29 filterbank pada setiap satu data suara yang di ekstraksi. Sedangkan hasil pengenalan SVM menghasilkan jenis data yang tidak terpisah secara linear. Adapun  hasil pengujiannya dengan menguji coba 40 data, sistem menghasilkan akurasi rata-rata sebesar 62,5%  dengan rincian akurasi 70% untuk pengujian jenis qira’at dan 55% untuk pengujian jenis cara baca Al-Qur’an.

Kata kunci : Jenis Bacaan, MFCC, SVM

File ::(login required)
Tipe Items : Skripsi
Penulis/Penyusun : M. Habib Hanafi
Fakultas : Fakultas Teknik
Program.Studi : Teknik Informatika (2020)
Tanggal disimpan : 28-09-2020 10:27
Terakhir diubah : 25-02-2021 04:25
Penerbit : Langsa, Universitas Samudra, 2020
URI : https://etd.unsam.ac.id/detail.php?id=598
Root : https://www.unsam.ac.id
Kembali ke atas!