Implementasi Neural Network Backpropagation pada pengaturan level untuk game Tebak Hukum Tajwid Juz ’Amma

INDONESIA :

Membaca Al-Quran, terdapat ilmu untuk mempelajari tata cara membaca Al-Quran dengan baik dan benar yang dikenal dengan tajwid. Berbagai metode dan media belajar dibuat untuk memudahkan dalam pembelajaran. Salah satunya adalah media game. Game pengenalan tajwid ini berbentuk quiz dimana pemain diharuskan menjawab pertanyaan demi pertanyaan. Ilmu tajwid tersebut yakni hukum nun sukun dan tanwin hukum alif lam dan hukum mad. Leveling pada game ditentukan berdasarkan time dan score yang telah ditentukan jadi harus menjawab pertanyaan secepat mungkin untuk menang. Game ini diharapkan dapat mempermudah pembelajaran hukum-hukum bacaan dalam ilmu tajwid.

Metode yang utama digunakan dalam penelitian ini adalah algoritma Neural Network Backpropagation yang diterapkan dalam leveling. Leveling pada game ditentukan pada sisa waktu dan jumlah skor setelah menyelesaikan permainan pada tiap level. Apabila user sudah berhasil menjawab seluruh pertanyaan pada tiap level, apakah user bisa melanjutkan level selanjutnya ataukah tetap pada level tersebut tergantung pada berapa lama sisa waktu yang tersisa pada level tersebut dan banyaknya jumlah skor.

Berdasarkan hasil pengujian setelah meninjau hasil analisis, perancangan, dan implementasi dapat disimpulkan bahwasannya dapat berjalan pada sistem android mulai versi 2.3 (Ginger Bread) hingga 5.1 (Lollipop) serta mempunyai keberhasilan untuk tampilan menu game 100%, tampilan game 100% dan semua fungsi tombol dan suara juga 100% berfungsi dengan baik. Algoritma Neural Network Backpropagation merupakan algoritma pembelajaran tersupervisi yang dapat melakukan learning terhadap inputan dan menghasilkan output berupa sebuah keputusan dan cocok untuk diterapkan dalam game ini. Percobaan dilakukan untuk mendapatkan nilai error terkecil. Nilai learning rate berpengaruh pada performansi jaringan. Semakin besar nilai learning rate maka proses semakin tidak konvergen untuk mendapatkan nilai bobot dan bias mencapai stabil. Proses pembelajaran dilakukan secara maksimal, yaitu dilakukan sampai 1000000 epoh. Pada saat uji coba, dihasilkan 100% keberhasilan dalam melakukan proses learning dengan nilai learning rate 0.25.

ENGLISH :

Read Al-Quran, there are science to studied the how to read al-quran well and correctly known as tajwid. The various methods and the media learn made to easy in learning. One of these is the media game. The introduction of tajwid game this shaped quiz where players were required to answer the question for the sake of the question.The science of tajwid with the law the nun sukun and tanwin alif lam law and the law of the mad. Leveling at game is stipulated based on time and score as specified so have to answer this question as fast as possible to win. This game is expected to simplify the laws of learning reading in the science of tajwid.

The method main used in this research was algorithm Neural Network Backpropagation which are applied in leveling. Leveling in the set in the remaining time and the number of a score after completing play in every level. When user have succeeded answer all of the questions at every level , do user can continue next level or fixed at that level depends on how long the rest of the remaining at that level and the large number of a score.

Based on the test results after reviewing the results of the analysis, design, implementation and application of this game can be summed up more support android system start version 2.3 ( Ginger Bread ) to 5.1 ( Lollipop) and have success to overlay menu game 100 % , display game 100 % and all the functions buttons and a voice too 100 % function properly. Algorithm Neural Network Backpropagation is algorithm supervised learning algorithm that can perform the learning input and produce output in the form of a decision and is suitable to be applied in this game. Experiment done to get a error smallest .Value learning rate had an impact on their performansi tissue. The much value learning rate the process less converging to get a weights and bias reached stable. Learning be carried out optimally, that is performed to 1000000 epoch .On during a trial , produced 100 % success in perform the process of learning rate 0.25.