Skripsi
Pengembangan model speech recognition untuk klasifikasi audio hafalan al-qur’an dengan ekstraksi fitur mfcc menggunakan algorima cnn arsitektur alexnet / Dzulkifli Abdullah
Abstrak
Hafalan Al-Qur rsquo an merupakan kegiatan untuk mengingat Al-Qur rsquo an tanpa membuka tulisan fisik atau mushaf Al-Qur rsquo an. Penghafal Al-Qur rsquo an menghafalkan Al-Qur rsquo an dengan cara mengingat dan kemudian disetorkan bacaannya kepada guru atau ustadz. Terdapat banyak metode menghafal Al-Qur rsquo an seperti ODOA karantina tikrar dan lain sebangainya. Akan tetapi dalam perjalanan menghafal Al-Qur rsquo an ditemui banyak kendala penghafal mudah bosan tidak konsisten jika tanpa pengawalan guru atau ustadz dan pada penghafal anak lebih suka bermain daripada menghafal. Koreksi bacaan otomatis berbasis speech recognition dinilai membantu penghafal untuk menghafalkan Al-Qur rsquo an. Penelitian terdahulu menunjukkan bahwa koreksi otomatis pada bacaan Al-Qur rsquo an dapat dikembangkan seperti menggunakan API Google Speech fitur ekstraksi MFCC dan menggunakan algoritma machine learning. Penelitian ini menggunakan metode yang bermula pada pengumpulan data Pre-Processing yang memiliki tahapan Pemisahan audio per-ayat Augmentasi Ekstraksi Fitur dengan MFCC Pemisahan data training dan data testing Klasifikasi dengan Algoritma CNN arsitektur Alexnet dan Evaluasi. Hasil penelitian ini menunjukkan bahwa Mel-Frequency Cepstral Coefficient (MFCC) dengan Convolutional Neural Network (CNN) arsitektur AlexNet dinilai dapat dalam melakukan klasifikasi speech recognition pada bacaan QS Al-Ikhlas dan diharapkan dapat digunakan pada aplikasi yang akan dikembangkan.