AUTOMATIC QURANIC ARABICCOMPLETION FOR QURAN LANGUAGE BASED ON RECURRENT NEURAL NETWORK

Abstract

Dalam aksara arab semua kata eksplisit bisa dibaca, sedangkan dalam dialek arab bukan tatabahasayang mudah untuk dimengerti. Sekalipun seseorang dapatmenghafal banyak kosakata bahasa Arab (mufradat/vocabulary) atau menguasai ilmu Tasrif (bukan hanya teori), tidak ada jaminan seseorang tersebutakan bisa membaca dengan tepat teks gundul.Automatic Quranic Arabicini 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 inovasiberupa 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 denganpencapaian akurasi 98% komponen arsitektur model LSTM yaitu3 layer (64, 128, 64), optimizer “adam”, dan activation “relu”.Kata kunci: Al-Qur’an, Pelengkap Harakat Arab, Long Short-Term Memory (LSTM)