Bahasa Arab merupakan bahasa yang unik karena bahasa Arab sangat memperhatikan makhraj (tempat keluarnya huruf) yang menjadi pembeda antar huruf dan kata. Perbedaan pengucapan ini kadang berujung pada perbedaan makna kata karena pengucapan Al-Qur’an sangatlah terkait dengan harakat (panjang pendeknya suatu kata). Dikarenakan masalah tersebut, maka sistem rekognisi speech terhadap huruf Hijaiyah berharakat dalam Al-Qur’an sangatlah diperlukan sebagai salah satu sarana pembelajaran bahasa Arab. Ada banyak metode yang dapat digunakan untuk membangun sistem rekognisi speech huruf Hijaiyah berharakat dalam Al-Qur’an. Salah satu metode yang paling menonjol untuk melakukan rekognisi terhadap speech adalah Hidden Markov Model atau biasa disebut HMM. Inference utama yang digunakan dalam HMM adalah Bayes’ Rule, yang mana digunakan juga dalam Naïve Bayes yang merupakan salah satu bagian dari Bayesian Network. Oleh karena itu, sistem ini akan lebih memfokuskan penggunaan dari Naïve Bayes dan Bayesian Network dalam hal rekognisi terhadap data speech. Sebelum proses rekognisi dilakukan, data speech akan melewati tahap pre-processing menggunakan Linear Predictive Coding atau biasa disebut LPC, guna mencari koefisien cepstral yang kemudian akan digunakan sebagai data inputan classifier. Hasil yang didapat dari pembangunan sistem ini adalah nilai performansi micro average F1 score terbaik yaitu sebesar 76,67% dengan model Bayesian Network dan 74,54% dengan model Naïve Bayes.
Kata kunci : Bahasa Arab, Al-Qur’an, LPC, Bayesian Network, Naïve Bayes