Sistem Pendeteksi Pola Citra Tajwid Alquran Mad Lazim Mutsaqal Kilmi Menggunakan Metode Algoritma BAM & FAM

Muhammad Fikry, Fadlisyah Fadlisyah, Dessayani Putri

Abstract


Alquran merupakan pedoman umat Islam dan berisikan firman Allah yang diturunkan kepada Nabi Muhammad sebagai penutup para nabi dan rasul dengan perantaraan Malaikat Jibril sebagai penyampai wahyu dan ditulis pada mushaf-mushaf yang kemudian disampaikan kepada manusia secara mutawatir, dimulai dari surat Al-Fatihah sebagai pembuka dan surat An-Nas sebagai penutup. Untuk itu penting mengetahui hukum tajwid agar bacaan Alquran menjadi benar. Pada penelitian akan dibangun sistem untuk mendeteksi tajwid dengan membandingkan keakuratan deteksi pola hukum tajwid Mad Lazim Mutsaqal Kilmi dalam surah Ali Imran dengan menggunakan metode algoritma BAM dan FAM. Dari hasil pendeteksian yang telah dilakukan didapatkan bahwa metode Bidirectionaal Associative Memory (BAM) memiliki tingkat akurasi lebih tinggi dalam melakukan pencarian pola tajwid dibandingkan dengan metode Fuzzy Associative Memory (FAM).

Full Text:

PDF

References


Aldape-Pérez, Mario, et al. "An Associative Memory Approach to Healthcare Monitoring and Decision Making." Sensors 18.8 (2018): 2690.

de Souza, Aline Cristina, and Marcos Eduardo Valle. "Fuzzy Kernel Associative Memories with Application in Classification." North American Fuzzy Information Processing Society Annual Conference. Springer, Cham, 2018.

Nasution, Mhd Helmi. "APLIKASI PERBAIKAN CITRA DIGITAL DENGAN MENGGUNAKAN METODE GEOMETRIC MEAN FILTER." Jurnal Ilmiah INFOTEK 1.2 (2016)

Gopalsamy, Kondalsamy, and Xue-Zhong He. "Delay-independent stability in bidirectional associative memory networks." IEEE Transactions on Neural Networks 5.6 (1994): 998-1002.

Wang, Fen, Yuanlong Chen, and Meichun Liu. "pth moment exponential stability of stochastic memristor-based bidirectional associative memory (BAM) neural networks with time delays." Neural Networks 98 (2018): 192-202.




DOI: https://doi.org/10.29103/techsi.v10i2.885

Article Metrics

 Abstract Views : 357 times
 PDF Downloaded : 52 times

Refbacks

  • There are currently no refbacks.




TECHSI Journalindexed by:


Google Scholar Portal Garuda crossref doi




TECHSI Journalis a member of:


Mendeley Zotero



© Copyright of Journal TECHSI, (e-ISSN:2614-6029, p-ISSN:2302-4836).