Claim Missing Document
Check
Articles

KLASIFIKASI TINGKAT BACAAN TAHSIN QIROAH MENGGUNAKAN SEMI-SUPERVISED LEARNING DENGAN METODE PSEUDO-LABELING Nero Caesar Suprobo; Oddy Virgantara Putra; Eko Prasetio Widhi
Seminar Nasional Hasil Riset dan Pengabdian Vol. 8 (2026): Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Ke 8 Tahun 2026
Publisher : LPPM Universitas PGRI Adi Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Evaluasi bacaan Al-Qur'an pada kegiatan tahsin qiroah di Indonesia masih dilakukan secara manual oleh pengajar, sehingga rentan terhadap subjektivitas penilaian dan sulit diterapkan pada peserta dalam jumlah besar. Penelitian ini mengusulkan sistem klasifikasi tingkat bacaan tahsin qiroah ke dalam lima kategori, yaitu Rosib, Maqbul, Jayyid, Jayyid Jiddan, dan Mumtaz, menggunakan ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC) yang diproses oleh model Convolutional Neural Network (CNN). Untuk mengatasi keterbatasan data berlabel akibat terbatasnya jumlah ahli tahsin bersertifikat, penelitian ini menerapkan semi-supervised learning melalui metode pseudo-labeling: model awal (M0) yang dilatih dari data berlabel memberi label pada data tidak berlabel dengan ambang keyakinan (confidence threshold) 0,80, kemudian model final (M1) dilatih ulang dari gabungan kedua jenis data tersebut. Kinerja M0 dan M1 akan dibandingkan menggunakan akurasi, precision, recall, dan F1-score pada test set yang sama. Penelitian ini masih pada tahap perancangan metode dan pengumpulan data, sehingga hasil evaluasi kuantitatif akan disajikan pada publikasi lanjutan. Sistem ini diharapkan menjadi alat bantu evaluasi awal bacaan tahsin qiroah yang lebih objektif, efisien, dan konsisten.
REPRESENTASI FITUR AUDIO TAHSIN AL-QUR'AN MENGGUNAKAN PENDEKATAN SEMI-SUPERVISED CONTRASTIVE LEARNING Muhammad Mishbahul Muflihin; Oddy Virgantara Putra; Faisal Reza Pradhana
Seminar Nasional Hasil Riset dan Pengabdian Vol. 8 (2026): Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Ke 8 Tahun 2026
Publisher : LPPM Universitas PGRI Adi Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemampuan membaca Al-Qur'an sesuai kaidah tajwid merupakan aspek penting dalam pembelajaran Islam. Proses penilaian kualitas bacaan tahsin hingga saat ini masih bergantung pada tenaga pengajar yang memiliki kompetensi khusus sehingga bersifat subjektif, membutuhkan waktu, serta sulit diterapkan pada skala yang lebih luas. Di sisi lain, pengembangan sistem kecerdasan buatan berbasis deep learning umumnya memerlukan data berlabel dalam jumlah besar, sedangkan proses pelabelan audio tahsin memerlukan ahli yang memahami ilmu tajwid sehingga relatif mahal dan memakan waktu. Penelitian ini mengusulkan sistem klasifikasi kualitas bacaan Al-Qur'an menggunakan pendekatan Semi-Supervised Contrastive Learning berbasis Mel Spectrogram. Dataset yang digunakan terdiri atas 22.243 data berlabel dan 26.695 data tidak berlabel yang dikelompokkan ke dalam lima kelas, yaitu Rasib, Maqbul, Jayyid, Jayyid Jiddan, dan Mumtaz. Tahapan penelitian meliputi preprocessing sinyal audio, transformasi sinyal menjadi representasi Mel Spectrogram, pre-training menggunakan Contrastive Learning pada data tidak berlabel, kemudian fine-tuning model ResNet18 menggunakan data berlabel. Evaluasi dilakukan menggunakan lima skenario random seed dengan metrik accuracy, precision, recall, dan F1-score pada data uji. Hasil pengujian menunjukkan bahwa model memperoleh akurasi rata-rata sebesar 81,02%, dengan nilai precision, recall, dan F1-score yang relatif seimbang pada seluruh kelas. Hasil tersebut menunjukkan bahwa pendekatan Semi-Supervised Contrastive Learning mampu memanfaatkan data tidak berlabel untuk menghasilkan representasi fitur audio yang lebih diskriminatif sehingga meningkatkan kemampuan klasifikasi kualitas bacaan Al-Qur'an. Sistem yang diusulkan berpotensi menjadi alat bantu evaluasi tahsin yang lebih objektif, efisien, dan konsisten.