Teknik Informatika

JudulKLASIFIKASI TEKS TERJEMAHAN AL-QUR’AN BAHASA INDONESIA MENGGUNAKAN DEEP CONVOLUTIONAL NEURAL NETWORK
Nama HibahHibah Internal Penelitian
Nama ProgramPenelitian Mandiri Fakultas
Nama SkemaTeknik Informatika
AbstrakAl-Qur’an merupakan kitab suci umat Islam yang diturunkan kepada Nabi Muhammad. Al-Qur’an diturunkan dengan menggunakan Bahasa Arab. Untuk memahami makna kandungannya, Al-Qur’an telah diterjemahkan ke berbagai Bahasa di dunia, termasuk Indonesia. Namun teks terjemahan Al-Qur'an belum dikategorikan sesuai dengan kandungan pokok isi Al-Qur'an dan belum adanya intelligent system yang mengkategorikan ayat sesuai kandungan utama Al-Qur’an. Untuk memahami makna kandungan Al-Qur’an, maka perlu pemahaman tekstual dan kontekstual sehingga perlu dilakukan klasifikasi teks sesuai dengan kandungan utama Al-Qur'an agar memudahkan umat Muslim dalam mencari dan memahami topik ayat dalam Al-Qur'an. Penerapan pengolahan teks menggunakan algoritma klasifikasi sangat dibutuhkan untuk kasus klasifikasi dokumen yang banyak. Penelitian ini bertujuan untuk Melakukan klasifikasi pada teks terjemahan Al-Qur’an Bahasa Indonesia pada juz 5 hingga juz 7 sesuai kandungan utama Al-Qur’an menggunakan metode Convolutional Neural Network. Metode yang digunakan dalam penelitian ini yaitu Deep Convolutional Neural Network yang diberi nama iQurNet. Penelitian ini membandingkan hasil eksperimen dengan algoritma lainnya untuk mengetahui kinerja algoritma yang terbaik. Hasil akurasi untuk iQurNet mendapatkan nilai tertinggi sebesar 84%. Selanjutnya adalah Multi-Layer Perceptron (MLP) dengan 73%, diikuti oleh Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) dengan 71% dan 68%. Naïve Bayes dan Decision Tree mendapatkan accuracy paling rendah sebesar 58% dan 61%. Untuk penelitian selanjutnya disarankan untuk menggunakan metode Recurrent Neural Network atau RNN dalam pengolahan teks untuk klasifikasi ayat Al-Qur’an Bahasa Indonesia dan dengan penambahan dataset untuk juz berikutnya.
Pengusul Triana Harmini, M.Pd.
Anggota 1 Oddy Virgantara Putra, S.Kom., M.T.
Anggota 2
Tahun Penelitian2022
Sumber DanaUNIDA GONTOR
Dana Non DiktiIDR 15.000.000,00