Mad Reading Law Classification Using Mel Frequency Cepstal Coefficient (MFCC) and Hidden Markov Model (HMM)

Pandemi Covid 19 merupakan bencana yang melanda dunia pada saat ini, seluruh kegiatan dibatasi aktifitasnya. Pandemi ini juga sangat berdampak dalam proses pengajaran dan evaluasi bacaan al-quran yang dilaksanakan dengan metode talaqqi dan musyafahah. Penelitian Machine Learning telah banyak dikembangkan untuk klasifikasi hukun bacaan Quran. Penelitian ini bertujuan untuk dapat mengklasifikasi hukum bacaan tajwid khususnya dalam hukum tajwid Mad pada surat Maryam ayat 1 hingga 15. Penelitian ini membangun sebuah model mengunakan ekstraksi fitur Mel Frequency Ceptral Coefficient (MFCC) dengan metode algoritma Hidden Markov Model (HMM). MFCC digunakan untuk ekstraksi fitur pada suara yang memproses data suara dalam beberapa tahapan antara lain, pre-emphasis, frame-blocking, windowing, Fast Fourier Transform, Mel Frequency Wrapping, dan Ceptral Liftering. HMM digunakan dalam pengenalan suara dengan presentase kalimat baku. Dataset yang digunakan pada penelitian ialah data suara yang diambil dari suara qori AlQuran yang telah di akui dan telah bersanad. Hasil pengujian pada model yang telah dibangun memiliki presentase rata–rata akurasi 80% dari data tes.