SISTEM PENGUJIAN HAFALAN AYAT AL-QUR’AN PADA SURAH AL-‘ALAQ AYAT 1-19 MELALUI SUARA MENGGUNAKAN METODE TRANSFORMASI WALSH
Abstract
Tujuan penelitian ini adalah Merubah suara analog yang berdomain waktu menjadi suara digital yang berdomain frekuensi sehingga dapat dihitung menggunakan Metode Transformasi Walsh dalam Sistem Pengujian Hafalan ayat Al-Qur’an Surah Al-‘Alaq ayat 1-19. Dari hasil penelitian didapat hasil pengukuran unjuk kerja dilakukan setelah 10 sample suara selesai dilatih untuk keseluruhan dari ayat 1 sampai dengan ayat 19. Jumlah sample suara pengujian adalah sebanyak 10 sample. nilai detection rate masing-masing adalah Ayat 1 = 60%, Ayat 2 = 70%, Ayat 3 = 80%, Ayat 4 = 80%, Ayat 5 = 60%, Ayat 6 = 50%, Ayat 7 = 80%, Ayat 8 = 70%, Ayat 9 = 90%, Ayat 10 = 80%, Ayat 11 = 60%, Ayat 12 = 70%, Ayat 13 = 60%, Ayat 14 = 60%, Ayat 15 = 50%, Ayat 16 = 80%, Ayat 17 = 80%, Ayat 18 = 90%, Ayat 19 = 60%, Hasil observasi dan evaluasi hasil dari reasearch (penelitian) didapatkan sebuah kesimpulan bahwa persentase keberhasilan sistem pengujian hafalan ayat Al-Qur'an pada Surah Al-’Alaq melalui suara menggunakan Transformasi Walsh yaitu mencapai 70,0%.
References
Daulay, M.R. 2014. Studi Pendekatan Alquran. Jurnal Thariqah Ilmiah Vol. 01, No. 01 Januari 2014.
Dinata, R. K., Akbar, H., & Hasdyna, N. (2020). Algoritma K-Nearest Neighbor dengan Euclidean Distance dan Manhattan Distance untuk Klasifikasi Transportasi Bus. ILKOM Jurnal Ilmiah, 12(2), 104-111.
Fadlisyah, dkk. Pengolahan Suara. Yogyakarta : Graha Ilmu. 2013.
Fuadi, W., Ula, M., & Sadli, M. (2015). The Introduction Types of Vocal Sound in Choir in Realtime Using Hankel Transformation and Macdonald Function. Academic Research International, 6(1), 1.
Rudiyanto, 2014. Aplikasi Pengenalan Ilmu Tajwid Berbasis Android. Jurnal STMIK AMIKOM, Purwokerto.
Ilyas. Y. 2013. Kuliah Ulumul Qur’an. ITQAN Publishing. Yogyakarta.
Indrawati, I. 2016. Implementasi Media Papan Flanel Untuk Meningkatkan Kemampuan Menghafal Kosakata Bahasa Inggris Materi Profession Kelas Ii Minu Ngingas Waru. Tesis. UIN Sunan Ampel Surabaya.
Ridwanullah. 2014. Urgensi Belajar Menurut Al-Quran Kajian Tafsir Q.S aL-Alaq/96 : 1-5). Skripsi.
Dinata, R. K., Retno, S., & Hasdyna, N. (2021). Minimization of the Number of Iterations in K-Medoids Clustering with Purity Algorithm. Revue d'Intelligence Artificielle, 35(3), 193-199.
Prasetya, B.W. dkk. 2008. Identifikasi Suara Pria Dan Wanita Berdasarkan Frekuensi Suara. Jurnal Informatika, Volume 4 Nomor 1, April 2008.
Hadiyatno, A. 2007. Teknik Pengolahan Suara Digital. Buku Ajar. Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro. Semarang.
Mulyani, R. 2017. Pemetaan Dan Analisis Tipe Suara Manusia Menggunakan Fast Fourier Transform(FFT). Skripsi. Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Bandar Lampung.
K, Opik Taupik. dkk. 2013. Pembuatan Aplikasi Anbiyapedia Ensiklopedi Muslim Anak Berbasis Web. Jurnal ISSN 1979-8911 Edisi Juli 2013 Volume VII No. 1. Jurusan Teknik Informatika Fakultas Sains Dan Teknologi UIN Sunan Gunung Djati. Bandung.
Wea, K.S.M. dkk. 2010.Aplikasi Player Untuk Menjalankan File Wave Yang Terkompresi Dengan Metode Huffman. Jurnal Informatika, Volume 6 Nomor 1, April 2010
Gushelmi dan Kamda, D.R. 2012. Pemodelan UML Sistem Penerimaan Mahasiswa Baru Berbasis WAP. Jurnal Ilmu Komputer, Vol. 1, No. 1, Oktober 2012.
Hidayat, Taufik. 2017. Perbandingan Algoritma Transformasi Walsh-Hadamard Dengan Metode Run Length Encoding Dalam Kompresi Citra. Jurnal. Program Studi Teknik Informatika, STMIK Budidarma Medan
Pamukti, Dian 2006. Analisa dan implementasi teknik pemampatan gambar berwarna dengan metode transformasi walsh-hadamard.Universitas Telkom:Jurnal teknik informatika.
Mubarak, M Zaki. 2016. Perbandingan Transformasi Walsh Dengan Transformasi Hadamard Pada Pengenalan Huruf Hijaiyah Melalui Suara. Tugas Akhir.Fakultas Teknik. Universitas Malikussaleh. Lhokseumawe.
Rosdiana, R., Ula, M., & Aidilof, H. A. K. (2021). Implementasi Pemodelan Citra Model Svm (Support Vector Machine) Dalam Penentuan Pengklasifikasian Jenis Suara Kontes Burung. Jurnal Informatika Kaputama (JIK), 5(2), 317-324.
Ula, M., Darnila, E., Siagian, P., Siagian, L., & Sinambela, M. (2018, September). Machine learning on waveform spectral analysis of nuclear explosion from broadband seismic station in Indonesia. In IOP Conference Series: Materials Science and Engineering (Vol. 420, No. 1, p. 012047). IOP Publishing.
DOI: https://doi.org/10.29103/sisfo.v5i2.6225
Article Metrics
Abstract Views : 193 timesPDF Downloaded : 20 times PDF Downloaded : 18 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2021 Muthmainnah Muthmainnah, Deni Mifzar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Universitas Malikussaleh |
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.