Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Raja Rahmad Hafidzul Manik
Universitas Islam Negeri Sumatera Utara
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Metode Decision Tree dalam Klasifikasi Penerimaan Siswa Baru Sebagai Sistem Pendukung Keputusan Raja Rahmad Hafidzul Manik; Rakhmat Kurniawan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1656

Abstract

Penerimaan siswa baru di pesantren melibatkan berbagai kriteria akademik, karakter, keagamaan, dan kedisiplinan, sehingga proses seleksi menjadi menantang ketika evaluasi dilakukan secara manual. Di Pesantren Darul Arafah Medan, data historis penerimaan memuat beragam atribut penilaian yang memerlukan analisis sistematis guna mendukung keputusan penerimaan yang objektif dan konsisten. Penelitian ini bertujuan menerapkan metode Decision Tree dengan algoritma C4.5 untuk mengklasifikasikan calon siswa ke dalam kategori diterima atau tidak diterima serta mengevaluasi kinerja model klasifikasi yang dihasilkan. Penelitian ini menggunakan pendekatan kuantitatif dan metode data mining berdasarkan 800 data historis calon siswa. Kumpulan data tersebut mencakup 10 kriteria seleksi, antara lain nilai rapor, nilai tes masuk, prestasi, hasil wawancara, penilaian sikap, kompetensi membaca Al-Qur'an, hafalan, dan kehadiran. Data diproses awal, ditransformax`sikan menggunakan label encoding, serta dibagi menjadi 80% data latih dan 20% data uji. Algoritma C4.5 menentukan struktur keputusan menggunakan Entropy, Information Gain, Split Information, dan Gain Ratio. Hasil evaluasi menunjukkan tingkat akurasi sebesar 71%, presisi 67%, recall 81%, dan F1-score 74%. Model yang dihasilkan diimplementasikan dalam sistem pendukung keputusan berbasis web untuk memberikan klasifikasi, aturan keputusan, dan rekomendasi penerimaan. Penelitian ini menyimpulkan bahwa algoritma C4.5 secara efektif mendukung pengambilan keputusan penerimaan siswa yang objektif, terukur, dan transparan.
Co-Authors Rakhmat Kurniawan R