PENGEMBANGAN APLIKASI MOBILE BELAJAR AL- QURAN DENGAN PENERAPAN VOICE RECOGNITION UNTUK MENILAI PELAFALAN MAKHARIJUL HURUF

Naufal Assyafiq Febriansyah; Achmad Rizal Dzikrillah;

ABSTRAK

PENGEMBANGAN APLIKASI MOBILE BELAJAR AL-QURAN DENGAN PENERAPAN VOICE RECOGNITION UNTUK MENILAI

PELAFALAN MAKHARIJUL HURUF

Naufal Assyafiq Febriansyah

Pelafalan makharijul huruf yang benar merupakan salah satu aspek penting dalam mempelajari Al-
Qur'an. Kesalahan dalam pelafalan dapat mengubah makna Al-Quran itu sendiri. Namun, masih
banyak umat muslim mengalami kesulitan dalam menguasai pelafalan yang benar. Penelitian ini
bertujuan mengembangkan aplikasi mobile untuk membantu pengguna dalam belajar membaca Al-
Qur'an dengan benar, khususnya dalam hal pelafalan makharijul huruf. Aplikasi ini menggunakan
model pengenalan suara berbasis deep learning yang dibangun menggunakan algoritma
Convolutional Neural Networks (CNN) dan fitur ekstraksi ciri Mel-Frequency Cepstral Coefficients
(MFCC). Model dilatih dengan dataset yang terdiri lebih dari 500 audio pelafalan dari penutur asli.
Hasil evaluasi model menunjukkan bahwa aplikasi ini mampu mencapai akurasi lebih dari 90% dan
rata-rata presisi-recall mencapai 97% dalam mengenali makharijul huruf. Berdasarkan hasil
wawancara dengan pakar Al-Quran, penelitian ini juga mengidentifikasi keterbatasan dalam
mengakomodasi variasi sanad dalam pelafalan makharijul huruf. Penelitian ini membuka peluang
untuk pengembangan lebih lanjut, seperti perluasan dataset dengan fokus pada satu sanad tertentu
dan penembahan fitur interaktif dalam pembelajaran.

Kata Kunci: aplikasi mobile, pengenalan suara, deep learning, CNN, MFCC, makharijul huruf, Al- Qur'an

DEVELOPMENT OF A MOBILE APPLICATION FOR QURAN LEARNING WITH VOICE RECOGNITION IMPLEMENTATION TO ASSESS MAKHARIJUL HURUF PRONUNCIATION

Naufal Assyafiq Febriansyah

Accurate pronunciation of the points of makhraj al-huruf is a crucial aspect of Qur'anic recitation.
Incorrect pronunciation can alter the meaning of the Qur'anic text. However, many Muslims face
challenges in mastering correct pronunciation. This study aims to develop a mobile application to
assist users in learning to read the Qur'an correctly, specifically focusing on the pronunciation of
makhraj al-huruf. The application employs a deep learning-based speech recognition model
constructed using Convolutional Neural Networks (CNN) and Mel-Frequency Cepstral Coefficients
(MFCC) feature extraction. The model was trained on a dataset of over 500 audio recordings from
native speakers. Evaluation results demonstrate that the application can achieve an accuracy of over
90% and an average precision-recall of 97% in recognizing makhraj al-huruf. Based on interviews
with Qur'anic experts, this study also identified limitations in accommodating variations in
pronunciation due to different sanads. This research opens up opportunities for further development,
such as expanding the dataset with a focus on a specific sanad and adding interactive features to the
learning process

Keywords: mobile application, voice recognition, deep learning, CNN, MFCC, makharijul huruf, Al-Qur'an