EPrints Universitas Amikom YogyakartaANALISIS KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK MEMPREDIKSI KELULUSAN SANTRI DALAM MELANJUTKAN STUDI KE TIMUR TENGAH (Studi kasus : Pondok Pesantren Imam Bukhari)Mahmud ZunusAmirudinauthorPenelitian ini bertujuan untuk menganalisis dan membandingkan performa dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Random Forest (RF), dalam memprediksi kelulusan santri Pondok Pesantren Imam Bukhari yang melanjutkan studi ke Timur Tengah. Data yang digunakan meliputi nilai akademik, kemampuan bahasa Arab, serta jumlah hafalan Al-Qur’an.ُ Metodeُ penelitian mencakup tahap pra-pemrosesan data, pembagian data latih dan uji, pelatihan model, evaluasi menggunakan metrik akurasi, presisi, recall, dan F1score, serta analisis feature importance untuk mengidentifikasi faktor dominan yang memengaruhi hasil prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki akurasi tertinggi sebesar 71,14% dibandingkan Support Vector Machine sebesar 64,98%. Meskipun demikian, SVM menunjukkan sensitivitas lebih baik dalam mengenali santri yang berpotensi tidak lulus, sementara RF lebih stabil dalam mengklasifikasikan santri lulus. Faktor yang paling berpengaruh terhadap kelulusan santri adalah hafalan Al-Qur’an,ُdiikutiُolehُmataُ pelajaran keagamaan seperti Hadits, Musthalah, dan Faraidh. Kesimpulan dari penelitian ini menunjukkan bahwa Random Forest lebih sesuai digunakan untuk meningkatkan akurasi keseluruhan, sedangkan SVM lebih efektif dalam mendeteksi risiko ketidaklulusan. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pendukung keputusan berbasis data bagi lembaga pendidikan Islam dalam proses seleksi dan pembinaan santri.000 Ilmu komputer, informasi dan pekerjaan umum2025-11-10Universitas AMIKOM Yogyakarta;Pascasarjana Teknik InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.