Indonesia adalah negara dengan populasi terbesar ke empat dan menjadi negara terbesar untuk populasi
muslim dunia. Sebagaimana seharusnya, Al-Qur’an menjadi pedoman untuk hidup para muslimin. AlQur’an sudah ditulis 1400 tahun yang lalu dan hingga sekarang umat islam mempelajari isi dari Al-Qur’an,
bahkan dimulai dari kecil. Al-Qur’an memiliki 114 Surat, 6000 lebih ayat, dan 128219 kata. Dikarenakan Al-Qur’an menggunakan bahasa Arab, yang dimana bahasa Arab terbilang rumit secara morfologi.
Dikarenakan Al-Qur’an memiliki banyak kata, alangkah lebih baik jika proses pembelajaran Al-Qur’an
dibantu dengan memanfaatkan Natural language Procesing(NLP). Pada penelitian kali ini akan dilakukan
klasifikasi Part-Of-Speech Tagging pada Al-Qur’an menggunakan Term Frequency Inverse Document Frequency (TF-IDF). Hasil dari klasifikasi memiliki nilai akurasi Naive Bayes sebesar 24.7725% untuk corpus
berbahasa Arab , 54.9836% untuk tulisan Arab yang sudah di normalisasi, dan 64.4283% untuk corpus
notasi Buckwalter, untuk Random Forest sebesar 38.077% untuk corpus berbahasa Arab, 69.6771% untuk
tulisan Arab yang sudah di normalisasi, dan 81.685% untuk notasi Buckwalter.