Huruf Hijaiyah merupakan huruf penyusun kata dalam Al Qur’an. Huruf hijaiyah terdiri dari 28 huruf, dengan huruf-huruf tersebut melambangkan bunyi konsonan sedangkan untuk bunyi vokal dilambangkan dengan harokat/tanda baca. Huruf hijaiyah merupakan bagian dari bahasa arab yang memiliki karakteristik yang baik dalam penulisan maupun pegucapan.
Speech recognition system atau sistem pengenalan suara merupakan sistem yang digunakan untuk memroses sinyal suara menjadi data sehingga dapat dikenali oleh komputer [1]. Untuk dapat melakukan pengenalan suara dibutuhkan metode feature extraction (ekstraksi ciri) dan classifier. Sinyal suara yang telah diekstrasi cirinya kemudian menghasilkan informasi yang dapat dianalisis untuk tiap variasi sinyal suara yang ada. Dari ciri yang ada pada setiap fonem dicoba untuk mengenalinya dan mengubahnya menjadi teks [2]. Metode ektraksi ciri yang digunakan pada tugas akhir ini adalah Linear Predicitive Coding (LPC), kemudian feature yang dihasilkan dari LPC dilakukan kuantisasi pada tiap vektor dengan menggunakan metode K-Means Clustering dan untuk classifier yang digunakan ketika training dan juga testing adalah dengan metode Hidden Markov Model (HMM).
Setelah dilakukan beberapa skenario pengujian diperoleh akurasi terbaik untuk testing dengan 168 kelas didapatkan 40.18% dan untuk training 96.10%, untuk 84 kelas akurasi testing 48.21% dan training 98.54% dan untuk 28 kelas didapatkan akurasi testing 58.93% dan training 99.60%.
Kata Kunci : Huruf Hijaiyah, Hidden Markov Model, Linear Predictive Coding, Speech Recognition System