Pengembangan model klasifikasi suara dalam identifikasi irama Azan menggunakan deep neural network

Salat merupakan salah satu pilar utama Islam, dan azan berperan sebagai panggilan penting untuk melaksanakan ibadah salat. Azan didasarkan pada tujuh jenis maqam fundamental dalam irama Arab, dan muazin sebagai pelantun harus memperhatikan pelafalan serta memiliki kompetensi khusus. Namun, pada kenyataannya cukup banyak muazin belum mampu mengenali jenis maqam azan yang lantunkan. Hal ini yang kemudian menjadi pendorong untuk memanfaatkan teknologi deep learning dalam mengembangkan voice recognition untuk mengidentifikasi irama suara azan. Topik penelitian ini sebelumnya telah dilakukan dengan metode MLPClassifier pada lima kelas irama azan. Namun, dikarenakan hasil akurasi model yang kurang optimal, maka penelitian ini bertujuan untuk mengembangkan model klasifikasi suara irama azan dengan menggunakan metode Deep Neural Network (DNN). Hasil penelitian menunjukkan bahwa model dengan dataset augmentasi dapat menghasilkan akurasi sebesar 81.75%, sedangkan pada dataset original hanya sekitar 52%. Selain itu, didapatkan bahwa performa metode DNN lebih optimal dibandingkan dengan MLPClassifier. Hal ini dibuktikan dengan nilai akurasi DNN lebih tinggi daripada MLPClassifier sebesar 8% pada dataset original. Kemudian, untuk bagian dataset augmented, DNN juga masih lebih tinggi daripada MLPClassifier dari aspek nilai akurasi dengan nilai sebesar 81,75%.