Indonesia merupakan negara dengan penduduk muslim terbanyak di dunia. Namun demikian, Survei Sosial Ekonomi Nasional (Susenas) 2013 BPS menunjukkan bahwa 53.8% umat muslim di Indonesia tidak bisa membaca Al-Qur’an. Pengucapan yang tidak benar pada Al-Qur’an dapat menyebabkan perbedaan makna, sehingga dapat mengurangi kesempurnaan bacaan Al-Qur’an. Oleh karena itu, diperlukan suatu sistem yang dapat membantu melakukan pengecekan terhadap pengucapan Al-Qur’an sehingga dapat menghindari pengucapan yang salah. Automatic speech recognition (ASR) merupakan teknologi pengenalan ucapan yang dapat membantu melakukan pengecekan terhadap ucapan yang salah. Dalam penelitian tugas akhir ini, metode gaussian mixture model – hidden markov model (GMM - HMM) akan digunakan dalam ASR untuk mengklasifikasikan ucapan huruf hijaiyah bertanda baca. GMM-HMM digunakan karena mampu memodelkan data data ucapan berbasis time series dengan baik. Data ucapan tersebut ditentukan ekstraksi cirinya dengan menggunakan Mel-Frequency Cepstral Coefficients (MFCC). Performansi weighted F1-score yang didapatkan untuk kasus speaker dependent adalah 81.94%.