<![CDATA[Pemahaman dan penerapan tajwid dalam membaca Al-Quran adalah aspek krusial dalam praktik keagamaan Islam. Walaupun tajwid dianggap fardhu kifayah, saat membaca Al-Quran, penerapannya menjadi fardhu 'ain. Namun, banyak orang masih menghadapi kesulitan dalam memahami dan menerapkan aturan tajwid secara tepat. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) guna meningkatkan akurasi model dalam mengenali bacaan tajwid berdasarkan gambar tulisan dalam Al-Quran. Selain itu, penelitian ini juga berupaya untuk mengidentifikasi dataset yang mencakup lebih dari dua hukum tajwid, sehingga model dapat mengklasifikasikan bacaan tajwid dengan lebih menyeluruh. Model CNN yang dikembangkan memiliki input shape 150x150 piksel dan terdiri dari tiga lapisan konvolusi dengan filter 32, 64, dan 128, yang masing-masing diikuti oleh lapisan maxpooling 2x2. Pada lapisan fully connected, terdapat 512 neuron, dengan output 11 neuron menggunakan fungsi aktivasi softmax. Model ini dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy, menghasilkan akurasi 92,68% pada data pelatihan dan 95,10% pada data validasi, menunjukkan kemampuan generalisasi yang baik. Dataset yang digunakan mencakup 219 gambar yang mewakili empat hukum tajwid utama. Hasil penelitian menunjukkan bahwa model ini efektif dalam mengenali dan mengklasifikasikan bacaan tajwid, memberikan kontribusi signifikan pada teknologi pembelajaran tajwid yang lebih interaktif dan efektif.]]>
Copyrights © 2024
