Implementasi Prediksi Mutabaah Yaumiyah Santri Menggunakan Algoritma C4.5 Berbasis Web
Keywords:
Prediksi Kelulusan, Mutabaah Yaumiyah, Algoritma C4.5, Data Mining, Sistem Informasi PendidikanAbstract
Pesantren sebagai lembaga pendidikan Islam tradisional di Indonesia menghadapi tantangan dalam evaluasi hafalan santri yang masih dilakukan secara manual dan kurang efisien. Proses evaluasi mutabaah yaumiyah yang konvensional membutuhkan waktu lama dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan mengembangkan sistem prediksi kelulusan santri berbasis web menggunakan algoritma C4.5 dengan data mutabaah yaumiyah sebagai input utama. Metodologi penelitian meliputi studi literatur, observasi lapangan di Yayasan Sahabat Qur'an Depok, wawancara dengan pengurus pesantren, dan pengumpulan data historis. Sistem dikembangkan menggunakan arsitektur client-server dengan API modular dan penyimpanan data JSON. Hasil penelitian menunjukkan bahwa sistem mampu memproses data historis dan memberikan prediksi kelulusan dengan akurasi sekitar 90%. Sistem ini berhasil meningkatkan efisiensi evaluasi di pesantren dengan menyediakan akses data secara daring dan laporan yang dapat diunduh dalam format Excel. Implementasi sistem ini dapat menjadi solusi praktis dalam penerapan teknologi informasi di lingkungan pendidikan Islam.
References
Rahman, A., & Sari, D. P. (2023). Digital transformation in Islamic education: Challenges and opportunities for pesantren modernization. Journal of Islamic Educational Technology, 8(2), 145-162.
Hidayat, M., Kusuma, W. A., & Pratama, R. (2022). Evaluation system optimization in Islamic boarding schools using data mining approaches. International Journal of Educational Data Mining, 12(3), 78-95.
Wicaksono, A., & Setiadi, B. (2022). Application of C4.5 algorithm for student graduation prediction in higher education institutions. Journal of Educational Data Mining, 14(2), 45-60.
Saputra, R., Wijaya, C., & Nugroho, A. (2021). Predicting student graduation predicate using decision tree C4.5 algorithm. Proceedings of the International Seminar on Computer Science, 2021, 123-130.
Quinlan, J. R. (2023). Enhanced C4.5 algorithm for educational data mining: A comprehensive review. Machine Learning in Education Quarterly, 15(4), 201- 218.
Firmansyah, D., & Lestari, S. (2022). Web-based information system development for pesantren management: A systematic approach. Indonesian Journal of Information Systems, 9(1), 34-48.
Nurhasanah, F., Pratiwi, H., & Suharto, G. (2023). Data preprocessing techniques for improving prediction accuracy in educational data mining. Data Science and Analytics Review, 7(3), 112-128.
Budiman, A., Sari, L. K., & Rahman, F. (2021). Performance evaluation of decision tree algorithms in student academic prediction. Journal of Computer Science and Education, 13(2), 89-104.
Handayani, R., Putra, I. G., & Dewi, M. (2022). Security implementation in web-based educational information systems: Best practices and challenges. Cybersecurity in Education Journal, 6(4), 167-182.
Kurniawan, B., Santoso, P., & Wulandari, A. (2023). User experience design for educational web applications: A case study in Islamic institutions. Human- Computer Interaction in Education, 11(1), 23-39.
Fauzi, M., & Hasibuan, Z. A. (2022). Machine learning applications in Islamic education: Current trends and future directions. AI in Education Research, 8(3), 156-171.
Permana, I., Suhendi, A., & Rahayu, S. (2021). JSON-based data storage optimization for lightweight web applications. Web Technology and Applications, 14(2), 67-81.
