KLASIFIKASI KEBERADAAN HUKUM TAJWID PADA CITRA AYAT AL-QUR’AN MENGGUNAKAN ARSITEKTUR YOLOV8 SECARA REAL-TIME

Rahmat, Faisal Reza (2024) KLASIFIKASI KEBERADAAN HUKUM TAJWID PADA CITRA AYAT AL-QUR’AN MENGGUNAKAN ARSITEKTUR YOLOV8 SECARA REAL-TIME. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI_FULL_FAISAL REZA RAHMAT_123200086 - Copy.pdf Restricted to Repository staff only Download (4MB)
	Text ABSTRAK.pdf Download (93kB)
	Text COVER.pdf Download (181kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (557kB)
	Text PENGESAHAN PENGUJI.pdf Download (564kB)
	Text DAFTAR ISI.pdf Download (110kB)
	Text DAFTAR PUSTAKA.pdf Download (103kB)

Abstract

Perkembangan teknologi informasi telah memberikan kontribusi signifikan
dalam berbagai bidang, termasuk dalam pembelajaran agama Islam, khususnya dalam
penerapan hukum bacaan tajwid pada Al-Qur'an. Tajwid adalah ilmu yang esensial bagi
umat Muslim untuk memastikan bacaan Al-Qur'an dilakukan dengan benar. Namun,
kurangnya pengetahuan tajwid di kalangan masyarakat, terutama di era digital ini,
menjadi tantangan tersendiri. Penelitian ini bertujuan untuk mengembangkan model
deteksi dan klasifikasi hukum tajwid pada citra ayat Al-Qur’an menggunakan arsitektur
YOLOv8 secara real-time. YOLOv8 dipilih karena kemampuannya dalam mendeteksi
objek dengan akurasi tinggi dan kecepatan yang optimal, serta mampu mendeteksi
berbagai jenis hukum tajwid dalam satu citra. Penelitian ini menggunakan YOLOv8
jenis nano yang dilatih dengan 1271 data yang terbagi menjadi 3 kelas yaitu iqlab,
ikhfa’ syafawi, dan idghom mimi. Proses pelatihan dilakukan dengan menerapkan 2
teknik augmentasi yaitu grayscal dan rotation. Hasil pengujian menunjukkan bahwa
YOLOv8 mampu mendeteksi hukum tajwid dengan akurasi yang cukup tinggi, yang
diukur menggunakan mean average precision (map) yang mendapatkan akurasi
diangka 98% dengan jumlah pelatihan (epoch) sebanyak 100. Peforma model juga
dinilai cukup baik dari grafik lossnya, yang menunjukan penurunan konsisten pada
train dan validation. Meskipun demikian masih terdapat kekurangan ketika model
salah mendeteksi objek yang memiliki similaritas yang tinggi dengan hukum tajwid.
Kata kunci : Tajwid, YOLOv8, Deteksi Tajwid, Deep Learning, Deteksi Real-time

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tajwid, YOLOv8, Deteksi Tajwid, Deep Learning, Deteksi Real-time.
Subjek:	H Social Sciences > H Social Sciences (General)
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Civil Engineering and the Environment
Depositing User:	Indah Lestari
Date Deposited:	25 Oct 2024 02:43
Last Modified:	25 Oct 2024 02:49
URI:	http://eprints.upnyk.ac.id/id/eprint/41488

Actions (login required)

View Item