Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan dan Teknologi Indonesia
Yulia Novita, Hilda
Unknown Affiliation
Education Engineering

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

Found 1 Documents
Search

 1 
Deteksi Potensi Faktor Keberangkatan Jemaah Haji Menggunakan Algoritma Klasifikasi Machine Learning Farah Maulida, Oxana; Al Mudzakir, Tohirin; Yulia Novita, Hilda; Rohana, Tatang
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 9 (2025): JPTI - September 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1060

Abstract

Haji merupakan salah satu rukun islam yang memiliki makna spiritual dan sosial mendalam bagi umat muslim diseluruh dunia Dengan meningkatnya jamaah haji di Indonesia setiap tahunnya, pengelolaan dan pelayanan terhadap calon jamaah haji menjadi tantangan. Faktor yang mempengaruhi seperti faktor demografis dari usia, pendidikan dan pekerjaan yang mempengaruhi keberangkatan jamaah. Penelitian ini bertujuan untuk mendeteksi faktor keberangkatan jamaah haji menggunakan algoritma machine learning, khususnya metode Naïve Bayes, Random Forest dan Decision Tree. Dataset yang dikumpulkan dari Kantor Kementerian Agama Karawang dan diolah menggunakan bahasa pemrograman Phyton. Proses penelitian meliputi pengumpulan data, preprocessing, split data, implementasi algoritma, dan evaluasi. Random Forest mencapai akurasi tertinggi sebesar 99.23%, Decision Tree mencatat akurasi 98.75%, dan Naïve Bayes memiliki akurasi 76.69%. Hasil evaluasi menunjukkan model mampu memberikan akurasi signifikan dalam mengidentifikasi kategori jamaah haji. Diharapkan penelitian ini akan memeberikan wawasan mendalam tentang klasifikasi data jamaah haji dan membantu instansi dalam perencanaan sumber daya yang kebih baik sehingga instansi dapat mengoptimalkan penggunaan anggaran dan alokasi sumber daya yang lebih efisien.
Co-Authors Farah Maulida, Oxana Mudzakir, Tohirin Al Rohana, Tatang