PENGEMBANGAN MODEL DETEKSI POLA KARAKTER BAHASA ARAB PADA CITRA AL-QUR’AN MENGGUNAKAN PENDEKATAN HYBRID TRANSFORMASI SLANT DAN ADABOOST

Abstract

Perkembangan computer vision dan machine learning telah memberikan kontribusi signifikan dalam pengembangan sistem cerdas untuk analisis teks digital, termasuk pengenalan aksara Arab pada citra Al-Qur’an. Penelitian ini bertujuan untuk mengembangkan model hybrid dalam mendeteksi pola karakter Bahasa Arab, khususnya Dhamir Raf’a Munfasil (kata ganti terpisah dalam posisi nominatif), pada citra Al-Qur’an digital menggunakan kombinasi Transformasi Slant dan algoritma AdaBoost. Model yang diusulkan mengintegrasikan ekstraksi fitur menggunakan Transformasi Slant untuk menangkap karakteristik domain frekuensi dari pola karakter, kemudian dilanjutkan dengan proses klasifikasi menggunakan algoritma ensemble learning AdaBoost guna meningkatkan kinerja pendeteksian.
Sistem diuji menggunakan 150 baris teks Al-Qur’an yang memuat 14 pola. Pengukuran kinerja dilakukan menggunakan metrik precision dan recall. Hasil eksperimen menunjukkan bahwa model hybrid Slant–AdaBoost memberikan performa yang lebih baik dibandingkan metode tunggal, dengan nilai precision sebesar 86% dan recall sebesar 93%, yang menunjukkan peningkatan akurasi dan keandalan dalam pendeteksian pola.
Temuan penelitian ini membuktikan bahwa kombinasi transformasi fitur dan klasifikasi berbasis boosting mampu meningkatkan kinerja sistem pengenalan pola karakter Bahasa Arab secara signifikan. Penelitian ini berkontribusi pada pengembangan sistem informasi cerdas untuk analisis teks Al-Qur’an digital dan pengenalan aksara Arab.