Al-Quran adalah kitab suci agama Islam sebagai wahyu Allah SWT yang diturunkan kepada Nabi Muhammad SAW. Namun, tidak semua umat Muslim mahir dalam bahasa Arab, sehingga beberapa orang mengalami kesulitan dalam membaca ayat-ayat tertentu dalam Al-Quran. Tujuan penelitian ini adalah untuk mengklasifikasikan ayat-ayat Al-Quran sebagai ayat yang sulit atau mudah serta berkontribusi dalam memfasilitasi pembelajaran bagi umat Muslim dan membuka jalan bagi kemajuan pemrosesan bahasa alami dalam bahasa Arab. Metode klasifikasi yang digunakan yaitu Support Vector Machine (SVM), Long Short-Term Memory (LSTM), dan Convolutional Neural Network (CNN), dengan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai ekstraksi fitur, serta random undersampling dan SMOTE untuk menangani ketidakseimbangan kelas. Model SVM dipilih karena merupakan metode lama yang cukup baik untuk mengklasifikasikan teks. Sementara itu, metode LSTM dan CNN dipilih karena metode ini relatif lebih baru tetapi umumnya lebih baik untuk dataset yang lebih besar. Hasil penelitian ini menunjukkan bahwa model SVM mencapai akurasi sebesar 0.68 dalam mengklasifikasikan ayat-ayat sulit dalam Al-Quran, lebih tinggi dibandingkan dengan akurasi yang dicapai oleh metode CNN (0.66) dan LSTM (0.65). Akurasi ini menunjukkan bahwa pendekatan yang digunakan cukup efektif dalam mengklasifikasikan ayat-ayat sulit dalam Al-Quran. Analisis lebih lanjut menunjukkan bahwa nilai rata-rata precision, recall, dan f1-score untuk metode SVM lebih besar dibandingkan dengan metode LSTM dan CNN.