Klasifikasi irama azan berbasis Mel Frequency Cepstral Coefficients menggunakan multilayer perceptron

Sebagai penanda masuknya waktu salat fardhu yang dikumandangkan lima kali setiap harinya, azan menjadi syiar Islam yang paling tampak secara umum. Dari banyaknya variasi irama azan, yang terjadi di lingkungan sekitar masih banyak masyarakat atau bahkan beberapa muazin yang belum mengetahui atau mengenal perihal maqam azan yang dilantunkan. Voice recognition berbasis Mel Frequency Cepstral Coefficient (MFCC) dan klasifikasi mengunakan Multilayer Perceptron (MLP) digunakan untuk mengenali azan dalam lima irama berbeda diantaranya Rast, Bayati, Ajam, Nahawand dan Hijaz. Penelitian ini dilakukan untuk Mengukur performa pengenalan irama azan menggunakan metode MFCC dan MLP. Hasil yang didapatkan setelah implementasi model adalah tingkat akurasi sebesar 56%. Dari hasil tersebut diambil kesimpulan bahwa performa MFCC dan MLP dalam mengenali irama azan kurang baik dengan indikasi terjadinya overfitting pada model klasifikasi yang digunakan.