Pengembangan Model Learning Vector Quantization (LVQ) dengan Optimasi Hierarchical Clustering pada Pengenalan Bacaan Al-Quran per Suku Kata

Abstract

Keterbatasan sumberdaya dalam mempelajari Al-Quran dengan benar dari seorang ahli tidak seimbang dengan banyaknya jumlah pemeluk agama Islam di Indonesia. Membaca dan memahami Al-Quran menempati posisi yang sangat penting bagi umat Islam. Umat Islam juga dituntut untuk dapat membaca Al-Quran dengan benar sesuai hukum-hukum bacaannya, karena kesalahan membaca bisa saja merubah makna bacaannya. Untuk menghindari kesalahan dalam membaca Al-Quran maka pembelajaran harian Al-Quran sangat diperlukan. Benar salahnya bacaan Al-Quran dikoreksi oleh seorang pengajar Al-Quran. Bacaan Al-Quran diverifikasi berdasarkan hukum tajwid yang dituliskan oleh para cendikiawan muslim dari bagaimana Nabi Muhammad SAW mengajarkan Al-Quran. Penelitian ini melakukan pembuatan model klasifikasi pengucapan bacaan Al-Quran per suku kata dengan metode codebook, Learning Vector Quantization (LVQ) dan optimasi LVQ. Model yang dibentuk oleh ketiga metode tersebut digunakan untuk memverifikasi bacaan Al-Quran per suku kata. Hasil dari penelitian ini menunjukkan bahwa baik dan benarnya bacaan Al-Quran dapat diukur dari pengucapan suku kata. Hal ini dapat dilihat dari nilai kemampuan akurasi verifikasi yang diperoleh dalam penelitian ini, yaitu sebanyak 75%. Artinya suku kata cukup mewakili pengukuran kemampuan membaca Al-Quran. Adapun dari tiga metode yang digunakan dalam penelitian ini, metode pembentukan model dengan optimasi LVQ memberikan akurasi verifikasi yang lebih tinggi dibandingkan kedua metode lainnya. Pada metode codebook akurasi verifikasi sangat fluktuatif namun tidak signifikan meningkatkan akurasi, meski jumlah cluster yang dicobakan dalam penelitian ini mulai dari 5 cluster sampai 40 cluster. Adapun akurasi model verifikasi menggunkan model LVQ dapat meningkat lebih baik dibandingkan menggunakan model codebook, namun tidak lebih bagus dibandingkan model optimasi LVQ.