Analisis Prediksi Tahfiz Qur'an Santri Mengunakan Algoritma K-means dan Naive Bayes Studi Kasus Pondok Pesantren Darul Makmur Al-Hafiz Aceh Tenggara

Aidul Safii (Universitas Pembangunan Panca Budi)
Zulham Sitorus (Universitas Pembangunan Panca Budi)
Muhammad Iqbal (Universitas Pembangunan Panca Budi)

Jurnal Nasional Teknologi Komputer
Vol 6 No 4 (2026): Oktober 2026

Program tahfiz Pondok Pesantren Darul Makmur Al-Hafiz Aceh Tenggara berharap setiap santri dapat menghafal tiga puluh juz. Namun, pembinaan yang konsisten tidak efektif karena capaian hafalan santri sangat beragam. Studi ini mengelompokkan siswa berdasarkan karakteristik capaian tahfiz dan menggunakan algoritma K-Means dan Naive Bayes untuk memprediksi tingkat hafalan mereka pada akhir masa pendidikan. Data penelitian terdiri dari 211 siswa dari kelas 7 hingga 11. Proses penelitian meliputi pembersihan data, transformasi jumlah hafalan ke satuan juz, penciptaan atribut turunan untuk laju hafalan (juz per tahun), normalisasi antara min dan max, penggunaan metode Elbow untuk menghitung jumlah klaster, dan ulangi perhitungan jarak Euclidean hingga konvergen. Hasil penelitian menunjukkan bahwa algoritma konvergen pada iterasi keempat dengan nilai Sum of Squared Error (SSE) sebesar 2,3707 dan koefisien Silhouette sebesar 0,628, yang menunjukkan bahwa algoritma memiliki struktur klaster yang wajar. Santri dibagi menjadi tiga kelompok klister: Rendah 149 santri (70,6%) menghafal 1,08 juz dan laju 0,52 juz per tahun; Sedang 53 santri (25,1%) menghafal 5,96 juz dan laju 2,09 juz per tahun; dan Tinggi 9 santri (4,3%) menghafal 18,56 juz dan laju 4,87 juz per tahun. Model menggunakan empat kategori hafalan, jenjang kelas, nilai muhadhoroh, dan jenis kelamin. Data diklasifikasikan secara sistematis menjadi 169 data latih dan 42 data uji, dengan perbandingan sekitar 80:20. Untuk menghindari peluang nol, peluang prior dan kemungkinan dihitung dengan koreksi Laplace. Selanjutnya, kelas dipilih berdasarkan nilai posterior terbesar. Hasil pengujian menunjukkan bahwa model sangat andal dalam mengenali santri kategori Rendah (recall 96,30%) dan Tinggi (recall 100%), dengan F1-score makro sebesar 74,85%. Kategori Sedang masih sering tertukar (recall 53,85%) karena interval kategori hafalan yang luas. Hasilnya menunjukkan bahwa Naive Bayes adalah alat yang tepat untuk digunakan saat merencanakan pembinaan tahfiz di pesantren.