Pengenalan Makhraj Huruf dalam Pelafalan Al-Qur’an Menggunakan Convolutional Neural Network (CNN
DOI:
https://doi.org/10.59378/jcenim.v2i1.42Keywords:
CNN, Makhraj huruf, pengenalan ucapanAbstract
Dalam kajian Al-Qur’an, unsur paling mendasar yang perlu diketahui adalah huruf-huruf Al-Qur’an itu sendiri, di mana setiap huruf memiliki tempat keluarnya masing-masing saat diucapkan yang disebut sebagai makhraj huruf. Namun, dalam penerapannya, masyarakat Indonesia masih mengalami kesulitan dalam melafalkan makhraj huruf secara benar akibat perbedaan bahasa yang digunakan dalam kehidupan sehari-hari. Kurangnya fasilitas pendukung yang mampu beradaptasi dengan perkembangan zaman juga menjadi kendala mendasar. Oleh karena itu, pembelajaran makhraj Al-Qur’an masih sangat bergantung pada pembelajaran manual melalui para ahli. Berdasarkan permasalahan tersebut, penelitian ini mengusulkan suatu pendekatan yang dapat membantu proses pengenalan makhraj huruf sebagai sarana pendukung bagi umat Muslim dalam mempelajari Al-Qur’an. Metode \textit{deep learning} yang digunakan dalam penerapan pembelajaran ini adalah Convolutional Neural Network (CNN), yang akan mengenali sinyal audio yang sebelumnya telah dikonversi ke dalam bentuk spektrogram. Melalui penelitian ini, diharapkan umat Muslim dapat lebih mudah mempelajari dan mengenali makhraj huruf berdasarkan hasil pengenalan audio.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Ismail, Diah Puspito Wulandari, Reza Fuad Rachmadi

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with JCENIM agree to the following terms:
- Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.




