%0 Thesis
%9 S1
%A Devalino Choiriliusman Syambara, -
%B KODEPRODI58201#Rekayasa Perangkat Lunak_S1
%D 2025
%F repoupi:137094
%I Universitas Pendidikan Indonesia
%K Automatic Speech Recognition, Whisper, Fine-tuning, Word Error Rate, Character Error Rate, Al-Qur’an
%T IMPLEMENTASI METODE FINE-TUNING AUTOMATIC SPEECH RECOGNITION MODEL WHISPER UNTUK TRANSKRIPSI BACAAN AL-QUR'AN
%U http://repository.upi.edu/137094/
%X Automatic Speech Recognition (ASR) atau pengenalan ucapan otomatis merupakan teknologi penting dalam pemrosesan bahasa alami yang berfungsi mengubah sinyal suara menjadi teks, serta memiliki potensi luas dalam berbagai aplikasi, termasuk dalam konteks keislaman untuk membantu proses pembelajaran, pengkajian, dan verifikasi bacaan Al-Qur’an. Bacaan Al-Qur’an menuntut ketelitian tinggi karena setiap huruf, kata, dan ayat memiliki aturan tajwid, makhraj huruf, serta panjang-pendek vokal yang memengaruhi makna secara signifikan. Kompleksitas fonetik bahasa Arab dan kekhasan aturan tajwid menjadikan sistem ASR konvensional yang dilatih pada bahasa percakapan sehari-hari kurang optimal ketika diterapkan pada bacaan Al-Qur’an. Oleh karena itu, penelitian ini dilakukan dengan tujuan mengevaluasi efektivitas metode fine-tuning pada model Whisper-small dalam menghasilkan transkripsi bacaan Al-Qur’an, sekaligus membandingkan performa model hasil fine-tuning dengan model dasar (base model) untuk mengetahui sejauh mana proses adaptasi meningkatkan akurasi sistem. Penelitian ini menggunakan pendekatan Designdalam  Research Methodology (DRM) yang meliputi tahap pengumpulan data berupa bacaan Surah 95–114, pra-pemrosesan data melalui normalisasi teks dan konversi audio, pelatihan model dengan fine-tuning, serta evaluasi kinerja menggunakan metrik Word Error Rate (WER) dan Character Error Rate (CER). Hasil penelitian menunjukkan bahwa model hasil fine-tuning secara signifikan lebih unggul dengan nilai rata-rata WER sebesar 0,1236 dan CER sebesar 0,2071, dibandingkan base model yang mencatatkan WER sebesar 1,0939 dan CER sebesar 0,5244. Perbedaan tersebut membuktikan bahwa fine-tuning mampu meningkatkan akurasi transkripsi baik pada level kata maupun karakter, sehingga dapat menjadi solusi potensial dalam pengembangan sistem ASR untuk bacaan Al-Qur’an.  --------  Automatic Speech Recognition (ASR) is an essential technology in natural language processing that converts speech signals into textual representations and has been widely applied in various domains, including Islamic contexts such as assisting in learning, verifying, and evaluating the recitation of the Qur’an. Qur’anic recitation requires a high level of precision since every letter, word, and verse must adhere to tajwid rules, articulation points (makhraj), and vowel length, all of which significantly influence meaning. The complexity of Arabic phonetics and the strict rules of tajwid make conventional ASR systems, which are generally trained on everyday speech or Modern Standard Arabic, less effective when applied to Qur’anic recitation. Therefore, this study aims to evaluate the effectiveness of fine-tuning the Whisper-small model for Qur’anic recitation transcription and to compare the performance of the fine-tuned model with its base version to determine the extent of improvement through domain adaptation. This research employs the Design Research Methodology (DRM), covering data collection from short Surahs (95–114), data preprocessing through text normalization and audio conversion, model training via fine-tuning, and performance evaluation using Word Error Rate (WER) and Character Error Rate (CER) metrics. The results indicate that the fine-tuned model significantly outperforms the base model, achieving an average WER of 0.1236 and CER of 0.2071, compared to the base model’s WER of 1.0939 and CER of 0.5244. These findings demonstrate that fine-tuning not only enhances word-level recognition but also improves character-level precision, making it a potential solution for developing ASR systems tailored for Qur’anic recitation.
%Z https://scholar.google.com/citations?view_op=wJp46k4AAAAJ&hl=en    ID SINTA Dosen Pembimbing:  Indira Syawanodya: 6681751  Dian Anggraini: 6681986