tajwid wajib diaplikasikan dalam membaca Al-Quran bagi setiap umat Muslim. Salah satu hukum tajwid adalah mad. Panjang harakat pada tajwid mad dapat bervariasi antar individu dan belum ada standar yang pasti. Teknologi speech recognition dapat digunakan untuk membantu mengklasifikasikan hukum tajwid ini. Penelitian ini menggunakan long short-term memory (LSTM) dan mel-frequency cepstral coefficient (MFCC) untuk mengklasifikasikan tajwid mad pada surah Al-Fatihah. Pada 2 jenis model dan 3 skenario data splitting ratio yang diujikan, performa terbaik dicapai pada model b skenario 2 dengan data splitting ratio 80:20 dan 4 layer LSTM dengan 64 unit. Dataset yang digunakan berjumlah 100 data, dengan 80 data untuk pelatihan dan 20 data untuk pengujian. Model ini berhasil mencapai akurasi pelatihan sebesar 96.88% dan akurasi pengujian sebesar 90.0%. Namun, model gagal memprediksi mad lazim kilmi mutsaqqal karena data imbalance.
Kata kunci : klasifikasi tajwid mad;long short-term memory;mel-frequency cepstral coefficient