Klasifikasi Irama Bacaan Al-Qur’an menggunakan Algoritma CNN

Abstract

Klasifikasi nada bacaan Al-Qur’an sangat penting untuk mendukung pembelajaran tajwid, tartil, serta tilawah yang sesuai dengan aturan. Tantangan utama dalam klasifikasi ini terletak pada keberagaman gaya bacaan qari dan kemiripan akustik antar maqam. Penelitian ini bertujuan untuk mengembangkan model klasifikasi otomatis irama bacaan Al-Qur’an menggunakan pendekatan berbasis CNN dengan 8 kelas maqam bacaan. Model CNN dalam penelitian ini memiliki tiga jalur konvolusi dengan ukuran kernel berbeda. Variasi bentuk masukan berupa data audio yang diubah ke dalam representasi spektrogram dan mel-frequency cepstral coefficients (MFCC). Evaluasi kinerja model pada dataset bacaan Al-Qur’an yang terdiri dari 8 kelas tilawah yaitu Ajam, Bayat, Hijaz, Kurd, Nahawand, Rast, Saba, dan Seka. Hasil pelatihan menunjukkan bahwa metode yang diusulkan mencapai akurasi 92,6%, sedangkan pada proses pengujian didapatkan akurasi sebesar 82,04%. Hasil confusion matric didapatkan nilai akurasi yang diperoleh dalam proses validasi mencapai 80,88%. Nilai presisi, recall dan F1-score masing-masing adalah 0,82, 0,80, dan 0,81. Dengan hasil ini, pendekatan CNN yang diusulkan terbukti efektif untuk mendukung otomatisasi dan peningkatan akurasi dalam klasifikasi nada bacaan Al-Qur’an.