Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora
Susanto, Aldiniyah Eko
Unknown Affiliation
Humanities Computer Science & IT Engineering Public Health Other

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

Found 1 Documents
Search

 1 
Klasifikasi Pemahaman Santri dalam Pembelajaran Kitab Kuning Menggunakan Algoritma c4.5. Pohon keputusan (Decision Tree) di Pondok Pesantren Nurul Jadid Hudawi, Ahmad; Octavia, Nur; Setiawan, Andi Bayu; Elfandiono, Andik; Ghafur, Alfian Abdul; Susanto, Aldiniyah Eko
TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora Vol 2, No 3 (2021): Pengembangan Teknologi dan Kesehatan di Lembaga Keagamaan
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (499.226 KB) | DOI: 10.33650/trilogi.v2i3.2840

Abstract

Kitab kuning merupakan kitab tradisional yang mengandung diraasah islamiyah yang diajarakan pada pondok pesantren, mulai dari struktur bahasa arab (ilmu nahwu dan shorof), ‘ulumul qur’an, hadits, aqidah, tasawuf/akhlaq, tafsir, fiqh sampai ilmu sosial dan kemasyarakatan (mu’amalah). Disebut juga dengan kitab gundul karena tidak memiliki harakat (fathah, kasroh, dhammah, sukun) untuk bisa membaca dan memahami secara menyeluruh dibutuhkan waktu yang relatif lama. Penelitian ini bertujuan untuk mendapatkan model klasifikasi dari data pembelajaran kitab kuning di pondok pesantren Nurul Jadid . Metode yang digunakan dalam penelitian ini adalah algoritma c4.5. pohon keputusan (decision tree). Hasil dari klasifikasi data pembelajaran kitab kuning menggunakan atribut yang telah diklasifikasi berdasarkan fitur-fiturnya dan dilakukan iterasi pada cross validation sehingga menghasilkan akurasi yang tepat. Berdasarkan hasil pengujian dengan dua metode, pengujian dengan algoritma algoritma c4.5. pohon keputusan (decision tree) saja menghasilkan akurasi 85.68, %, untuk algoritma algoritma c4.5. pohon keputusan (decision tree) menghasilkan akurasi 85.68% . Terdapat peningkatan akurasi dengan penambahan fitur seleksi. 
Co-Authors Elfandiono, Andik Ghafur, Alfian Abdul Hudawi, Ahmad Octavia, Nur Setiawan, Andi Bayu