View/Open

Author
Abira, Husnia

Date Published
22 Jun 2026

Advisor
Andika Setiawan, S.Kom., M.Cs.,
Radhinka Bagaskara, S.Si.Kom., M.Si., M.Sc.,

Subject
Teknik Informatika

Publisher

Membaca Al-Qur’an dengan benar sesuai kaidah tajwid merupakan kewajiban bagi umat Islam, namun pengenalan hukum tajwid secara manual rentan terhadap kesalahan dan membutuhkan pemahaman mendalam. Penelitian ini mengimplementasikan dan mengevaluasi arsitektur YOLOv11m untuk mendeteksi tiga kelas hukum idgham pada citra halaman Al-Qur’an berdasarkan metrik precision, recall, F1-score, dan mAP. Data bersumber dari 10 jenis mushaf menghasilkan 2.022 citra potongan ayat dan halaman penuh. Tahap preprocessing meliputi cropping, padding, resizing 960×960 piksel, dan pelabelan. Model dilatih menggunakan 5-fold stratified cross validation dengan kombinasi batch size 8 dan 16 serta learning rate 0,01 dan 0,001. Konfigurasi terbaik diperoleh pada batch size 16 dan learning rate 0,001 dengan [email protected]:0.95 sebesar 0,8948. Pengujian pertama pada 188 citra potongan ayat mencatatkan precision 0,9979, recall 1,0000, F1-score 0,9989, dan [email protected]:0.95 sebesar 0,9071. Pengujian kedua pada 42 citra halaman penuh berhasil mendeteksi 147 dari 157 objek aktual dengan tingkat keberhasilan 93,63%. Kesimpulannya, YOLOv11m terbukti efektif dan memiliki kemampuan generalisasi tinggi sebagai alat bantu deteksi tajwid digital.

URI
https://repo.itera.ac.id/depan/submission/SB2606180086

Keyword
Deteksi Objek Hukum Idgham Al-Qur’an YOLOv11 Deep Learning