<![CDATA[Deteksi hukum tajwid nun mati dilakukan menggunakan algoritma Convolutional Neural Network (CNN) dan Single Shot Multibox Detector (SSD) dengan arsitektur MobileNetV3. CNN MobileNetV3 digunakan untuk ekstraksi fitur, sedangkan SSD digunakan untuk klasifikasi dan deteksi lokasi hukum tajwid dalam gambar. Tujuan dari penelitian ini adalah untuk mengembangkan sistem yang mampu mendeteksi hukum tajwid nun mati secara otomatis pada teks Al-Qur’an berbasis gambar. Manfaat dari penelitian ini adalah memberikan kontribusi dalam bidang pembelajaran Al-Qur’an digital, khususnya dalam membantu pendeteksian hukum tajwid secara visual. Dataset terdiri dari 381 gambar acak yang diambil dari situs resmi Al-Qur’an Kemenag RI. Data dibagi menjadi 80% untuk training dan20% untuk testing, serta dilakukan augmentasi seperti zoom-in, zoom-out, blur, brightness, dan rotasi untuk meningkatkan keragaman data. Model dilatih selama 100 epoch dengan batch size 3 dan learning rate 0.005. Hasil evaluasi menunjukkan model mencapai precision, recall, dan F1-score sebesar 95%. Penelitian ini menunjukkan bahwa kombinasi CNN dan SSD dengan arsitektur MobileNetV3 efektif dalam mendeteksi hukum tajwid nun mati pada gambar teks Al-Qur’an.]]>
Copyrights © 2025
