ABSTRAKSI: Semakin berkembangnya teknologi dan perubahan zaman yang semakin cepat membuat manusia di dunia semakin menginginkan untuk belajar bahasa asing. Salah satu bahasa yang cukup banyak dipelajari orang Indonesia adalah bahasa Arab. Di samping itu pula, banyak orang yang ingin mempelajari bahasa Arab untuk memperlancar bacaan Al-Qur’an . Dasar untuk mempelajari bahasa Arab adalah membaca huruf-huruf Arab (huruf hijaiyyah) terpisah. Selain itu juga harus banyak melatihnya dengan membaca huruf hijaiyyah terpisah dari tulisan Arab sambung. Pendeteksian huruf hijaiyyah dari tulisan Arab sambung memang cukup sulit dikarenakan banyak faktor, salah satunya adalah ada beberapa huruf yang mirip bentuknya dan hanya dibedakan dengan titik (dot) saja
Dalam tugas akhir ini, telah dibuat sebuah aplikasi yang mampu memisahkan huruf hijaiyyah dari tulisan Arab sambung dengan metode ekstraksi ciri Discrete Wavelet Transform (DWT) dan metode pengklasifikasian Self Organizing Maps Neural Network (Jaringan Saraf Tiruan SOM).
Hasil yang telah dicapai adalah suatu sistem yang dapat memisahkan huruf hijaiyyah dari tulisan Arab sambung dengan tingkat akurasi maksimal 97.7% pada sistem offline. Huruf yang telah diolah berjumlah 28 huruf dan input pada sistem adalah tulisan Arab sambung.
Kata Kunci : Kata kunci : huruf hijaiyyah, Discrete Wavelet Transform, Self Organizing Maps Neural NetworkABSTRACT: The development of technology and increasingly rapid change make people in the world eager to learn a foreign language. One of the languages learned quite a lot by Indonesian people is Arabic. In addition to that, many people want to learn Arabic to facilitate them for reading Qur'an. Basic for learning Arabic is read Arabic letters (hijaiyyah letters) apart. It also should be a lot of practice it by reading the letters of the Arabic script hijaiyyah separate connection. Detection hijaiyyah letter of the Arabic is quite difficult due to many factors, one of them is there are some letters that are similar shape and only distinguished by a dot.
In this final project, has created an application that is able to separate the letters of the Arabic script hijaiyyah concatenated with the method of Discrete Wavelet Transform (DWT) for feature extraction and Self Organizing Maps Neural Network (SOM Neural Networks) for classification.
Results have been achieved is a system that can separate letters of the Arabic script hijaiyyah concatenated with a maximum accuracy rate 97.7% on the system offline. Letters that have been processed are 28 letters and input on the system is the Arabic concatenated script.
Keyword: Keywords : hijaiyyah letter, Discrete Wavelet Transform, Self Organizing Maps Neural Network