Article Sidebar

Submitted
November 29, 2023
Published
November 30, 2023
Download
PDF
Statistic
Read Counter : 77 Download : 36

Main Article Content

Abstract

Dalam aksara arab semua kata eksplisit bisa dibaca, sedangkan dalam dialek arab bukan
tata bahasa yang mudah untuk dimengerti. Sekalipun seseorang dapat menghafal banyak
kosakata bahasa Arab (mufradat/vocabulary) atau menguasai ilmu Tasrif (bukan hanya
teori), tidak ada jaminan seseorang tersebut akan bisa membaca dengan tepat teks
gundul. Automatic Quranic Arabic ini merupakan suatu inovasi dalam bidang Deep
Learning yang memberikan output berupa harakat secara otomatis untuk teks bahasa Arab
gundul. Penelitian sebelumnya menggunakan Long Short-Term Memory (LSTM) untuk
memperbaiki kesalahan pada tingkat karakter mendapatkan akurasi 83,76%. Sedangkan
pada penelitian ini, kami menawarkan suatu inovasi berupa pengimplementasian algoritma
Recurrent Neural Network (RNN) untuk menormalisasikan kembali aksara arab tanpa
harakat menjadi tulisan arab yang lengkap dengan harakat. Model kami adalah model
pertama di dunia yang mencoba memulihkan kata-kata Bahasa Arab yang sepenuhnya
tanpa harakat dengan kalimat yang sepenuhnya berharokat menggunakan dataset training
berbasis al-Qur'an dengan pencapaian akurasi 98% komponen arsitektur model LSTM
yaitu 3 layer (64, 128, 64), optimizer “adam”, dan activation “relu”.
Kata kunci: Al-Qur’an, Pelengkap Harakat Arab, Long Short-Term Memory (LSTM)

Keywords

Al-Qur'an Pelengkap Harakat Arab Long Short-Term Memory (LSTM)

Article Details

How to Cite
Risa Riski Amalia, Asti Dwi Sripamuji, & Agi Prasetiadi. (2023). AUTOMATIC QURANIC ARABIC COMPLETION FOR QURAN LANGUAGE BASED ON RECURRENT NEURAL NETWORK. Khazanah: Jurnal Mahasiswa, 15(02). https://doi.org/10.20885/khazanah.vol15.iss2.art3
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. A. Pera Aprizal, “Urgensi Pembelajaran Bahasa Arab dalam Pendidikan Islam,” J. Pendidik. Guru, vol. 2, no. 2, pp. 39–56, 2021, doi:
  2. 47783/jurpendigu.v2i2.232.
  3. S. Wahyuni and R. Ibrahim, “Pemaknaan Jawa Pegon Dalam Memahami Kitab Kuning Di Pesantren,” Manarul Qur’an J. Ilm. Stud. Islam, vol. 17, no. 1, pp. 4–21, 2017, doi: 10.32699/mq.v17i1.920.
  4. N. Sa’adah, “Problematika Pembelajaran Nahwu Bagi Tingkat Pemula Menggunakan Arab Pegon,” Lisanan Arab. J. Pendidik. Bhs. Arab, vol. 3, no. 01, pp. 15–32, 2019, doi: 10.32699/liar.v3i01.995.
  5. N. Shefia, M. T. Z. Zamhuri, and F. N. Afifah, “Pemanfaatan Huruf Pegon Dalam Mempermudah Pembelajaran Nahwu,” Semnasbama, vol. 5, pp. 189–201, 2021.
  6. A. F. Rifa’i, “Analisis dan Implementasi Aplikasi Penerjemahan dan Penambah Harakat Kitab Klasik/Kitab Kuning,” Kaunia, vol. IX, no. 2, pp. 85–95, 2013.
  7. M. Alif, “Bahasa Arab Dan Problematika Transliterasi,” pp. 1–10, 2020.
  8. M. Musadad, A. A. J. I. Jaeni, A. Baharuddin, and A. F. Sjadzili, “Jurnal SUHUF Vol. 08 No. 01 2015,” vol. 08, no. 01, 2015.
  9. E. Roza, “Aksara Arab-Melayu di Nusantara dan Sumbangsihnya dalam Pengembangan Khazanah Intelektual,” Tsaqafah, vol. 13, no. 1, p. 177, 2017, doi: 10.21111/tsaqafah.v13i1.982.
  10. F. N. Rahman, “Konsep Tadarruj Dalam Internalisasi Al-Qur’an Studi Analisis Tafsir Kronologis Muhammad ‘Abid Al-Jabiri Dan Teori Tahap Perkembangan Kognitif Jean Piaget,” Tesis S2 Ilmu Al Quran dan Tafsir, 2019, [Online]. Available: http://repository.iiq.ac.id//handle/123456789/335.
  11. Rodliyah Zaenuddin, “Pembelajaran Nahwu dan Sharaf dan Implikasinya Terhadap Membaca dan Memahami Literatur Bahasa
  12. Arab Kontemporer pada Santri Pesantren Majlis Tarbiyatul Mubtadiin Desa Kempek Kecamatan Gempol Kabupaten Cirebon,” Holistik, vol. 13, no.nJune, pp. 95–120, 2012.
  13. Uthmani, “Quranic Arabic Corpus,” morphology, version 0.4. Tanzil Quran Text, 2011, [Online]. Available: http://corpus.quran.com.
  14. G. Grefenstette, “Tokenization,” in Syntactic Wordclass Tagging, Vol 9. Spr., Springer, Dordrecht, 1999, p. 118.
  15. M. Gardner et al., “AllenNLP: A Deep Semantic Natural Language Processing Platform,” 2019, doi: 10.18653/v1/w18-2501.
  16. M. V. S. Rishita, M. A. Raju, and T. A. Harris, “Machine translation using natural language processing,” MATEC Web Conf., vol. 277, p. 02004, 2019, doi: 10.1051/matecconf/201927702004.
  17. J. Ilmiah, M. Universitas, and S. Vol, “PENGGUNAAN APLIKASI SISTEM JARINGAN SYARAF TIRUAN BERULANG ELMAN UNTUK PREDIKSI PERGERAKAN HARGA SAHAM Julian Talahatu, Njoto Benarkah dan Jimmy,” vol. 4, no. 2, pp. 1–12, 2015.
  18. M. Tomas, “Recurrent neural network based language model ́s Mikolov Introduction Comparison and model combination Future work,” Elev. Annu. Conf. Int. speech Commun. Assoc., no. September, pp. 1–24, 2010, [Online]. Available:http://www.fit.vutbr.cz/research/
  19. groups/speech/servite/2010/rnnlm_mikolov.pdf.