{
      "eprintid": 31758,
      "institution": "Universitas AMIKOM Yogyakarta",
      "status_changed": "2026-06-26 07:40:50",
      "thesis_name": "tesis",
      "datestamp": "2026-06-26 07:40:50",
      "subjects": [
        "000.000.000A"
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "contributors": [
        {
          "name": {
            "family": "Kusrini",
            "honourific": null,
            "lineage": null,
            "given": "Kusrini"
          }
        }
      ],
      "documents": [
          {
            "formatdesc": "THESIS",
            "content": "published",
            "format": "text",
            "main": "24.51.1640  Mahmud Zunus Amirudin.pdf",
            "rev_number": 2,
            "mime_type": "application\/pdf",
            "eprintid": 31758,
            "pos": 1,
            "docid": 319539,
            "placement": 1,
            "files": [
                {
                  "fileid": 1131196,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131196",
                  "objectid": 319539,
                  "filesize": 3549541,
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-26 07:37:13",
                  "hash": "a7ea69da91182053309f1a3519f56fa1",
                  "datasetid": "document",
                  "filename": "24.51.1640  Mahmud Zunus Amirudin.pdf",
                  "hash_type": "MD5"
                }
            ],
            "language": "id",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319539",
            "security": "public"
          }
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/17\/58",
      "divisions": [
        "mti"
      ],
      "thesis_type": "masters",
      "eprint_status": "archive",
      "abstract": "Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua\r\nalgoritma machine learning, yaitu Support Vector Machine (SVM) dan Random\r\nForest (RF), dalam memprediksi kelulusan santri Pondok Pesantren Imam Bukhari\r\nyang melanjutkan studi ke Timur Tengah. Data yang digunakan meliputi nilai\r\nakademik, kemampuan bahasa Arab, serta jumlah hafalan Al-Qur’an.ُ Metodeُ\r\npenelitian mencakup tahap pra-pemrosesan data, pembagian data latih dan uji,\r\npelatihan model, evaluasi menggunakan metrik akurasi, presisi, recall, dan F1score,\r\n\r\nserta analisis feature importance untuk mengidentifikasi faktor dominan\r\nyang memengaruhi hasil prediksi. Hasil penelitian menunjukkan bahwa algoritma\r\nRandom Forest memiliki akurasi tertinggi sebesar 71,14% dibandingkan Support\r\nVector Machine sebesar 64,98%. Meskipun demikian, SVM menunjukkan\r\nsensitivitas lebih baik dalam mengenali santri yang berpotensi tidak lulus,\r\nsementara RF lebih stabil dalam mengklasifikasikan santri lulus. Faktor yang paling\r\nberpengaruh terhadap kelulusan santri adalah hafalan Al-Qur’an,ُdiikutiُolehُmataُ\r\npelajaran keagamaan seperti Hadits, Musthalah, dan Faraidh. Kesimpulan dari\r\npenelitian ini menunjukkan bahwa Random Forest lebih sesuai digunakan untuk\r\nmeningkatkan akurasi keseluruhan, sedangkan SVM lebih efektif dalam\r\nmendeteksi risiko ketidaklulusan. Penelitian ini diharapkan dapat menjadi dasar\r\npengembangan sistem pendukung keputusan berbasis data bagi lembaga\r\npendidikan Islam dalam proses seleksi dan pembinaan santri.",
      "lastmod": "2026-06-26 07:40:50",
      "ispublished": "pub",
      "rev_number": 10,
      "title": "ANALISIS KOMPARASI ALGORITMA SUPPORT VECTOR \r\nMACHINE DAN RANDOM FOREST UNTUK MEMPREDIKSI\r\nKELULUSAN SANTRI DALAM MELANJUTKAN STUDI KE\r\nTIMUR TENGAH \r\n(Studi kasus : Pondok Pesantren Imam Bukhari)",
      "userid": 12,
      "type": "thesis",
      "date_type": "published",
      "creators": [
        {
          "name": {
            "family": "Amirudin",
            "honourific": null,
            "lineage": null,
            "given": "Mahmud Zunus"
          },
          "nim": "24.51.1640"
        }
      ],
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31758",
      "date": "2025-11-10",
      "department": "Pascasarjana Teknik Informatika",
      "metadata_visibility": "show",
      "keywords": "Machine learning, Support Vector Machine, Random Forest, prediksi\r\nkelulusan, pesantren, Timur Tengah, graduation prediction, Islamic boarding school, Middle East."
    }