Pengecaman sebutan 30 huruf hijaiyah berasaskan pembelajaran mesin

Abstract

Al-Quran merupakan kitab suci umat Islam dan merupakan mukjizat terakhir. Surah- surah yang ditulis dalam al-Quran pula adalah susunan huruf hijaiyah, maka sesiapa yang ingin membaca al-Quran haruslah dimulakan dengan mengenali huruf hijaiyah. Proses pembelajarannya secara konvensional memerlukan bimbingan guru secara bersemuka bagi menunjukkan cara sebutan dan mengesahkan sebutan. Perkembangan teknologi hari ini telah memudahkan proses pembelajaran tersebut. Fitur MFCC sering digunakan dalam pengelasan sebutan huruf hijaiyah, walaupun begitu, prestasi ketepatan kajian lepas masih rendah. Pemilihan dan penggunaan teknik pengelasan berasaskan pembelajaran mesin yang kurang sesuai juga mempengaruhi prestasi ketepatan teknik pengelasan. Kajian ini dijalankan bagi mengenalpasti fitur yang sesuai dan yang diperlukan bagi mengelaskan sebutan 30 huruf hijaiyah serta mengenalpasti dan mencadangkan teknik pengelasan yang terbaik bagi mengelaskan sebutan 30 huruf hijaiyah. Bagi kajian ini, pengelasan ke atas sebutan huruf hijaiyah telah dibuat menggunakan teknik pengelasan pembelajaran mesin. Kajian yang dibuat dan diimplementasikan ini boleh dibahagikan kepada enam fasa utama iaitu pra- pemprosesan isyarat, penyarian fitur, pemprosesan fitur, pemilihan fitur, pengelasan dan fasa terakhir merupakan fasa pengujian, penilaian dan analisis. Pemprosesan isyarat melibatkan proses seperti pra-penekanan dan penghapusan hingar. Seterusnya, penyarian fitur dan kajian ini telah menyari beberapa fitur termasuklah penggunaan teknik Mel-Frequency Cepstrum Coefficients (MFCC) bagi menyari fitur pekali MFCC. Penyarian fitur yang lain juga telah dibuat iaitu fitur keamatan, pitch dan kadar persilangan sifar. Fasa seterusnya melibatkan pemprosesan fitur di mana data fitur dinormalisasi, diseimbangkan dan dirombak. Pemilihan fitur telah dibuat terlebih dahulu bagi mengenalpasti fitur yang terbaik bagi mengecam sebutan huruf hijaiyah berdasarkan pemilihan fitur menggunakan teknik CorrelationAttributeEval yang turut memerlukan penggunaan kaedah carian Ranker dalam perisian Weka©. Bagi pengelasan fitur pula, teknik K-Nearest Neighbour (KNN), J48, Artificial Neural Network (ANN), Naïve Bayes (NB), Support Vector Machine (SVM) dan Random Forest (RF) telah digunakan sebagai teknik pengelasan. Fasa terakhir merupakan fasa pengujian, penilaian dan analisis di mana eksperimen telah dijalankan sebanyak lima kali (k=5). Prestasi teknik pengelasan dinilai berdasarkan metrik ketepatan. Data yang digunakan dalam kajian ini dikumpulkan menggunakan kaedah kuantitatif, iaitu data diambil melalui sampel rakaman suara yang diperolehi menggunakan Borang Google. Dapatan kajian menunjukkan fitur MFCC merupakan fitur paling ketara dan sesuai bagi mengelaskan sebutan huruf hijaiyah berbanding fitur-fitur lain yang telah disari berdasarkan pemilihan fitur. Perbandingan prestasi ketepatan menunjukkan teknik pengelasan RF mempunyai ketepatan yang baik dengan menggunakan fitur MFCC, iaitu purata sebanyak 97~99% bagi setiap huruf berbanding teknik pengelasan lain yang telah diuji dalam kajian ini. Kesimpulannya, penggunaan fitur MFCC dan teknik pengelasan RF mampu memberikan prestasi ketepatan pengelasan sebutan huruf hijaiyah yang baik walaupun dengan penggunaan 30 kelas.