Klasifikasi Keberhasilan Hafalan Al-Qur’an Berdasarkan Media Dan Karakteristik Siswa Man Karo Menggunakan  Model Support Vector Machine (SVM)

Riska Zamara; Firahmi Rizky

Authors

Riska Zamara Universitas Muhammadiyah Sumatera Utara
Firahmi Rizky Universitas Muhammadiyah Sumatera Utara

Keywords:

Tahfidz Al-Qur’an, Klasifikasi, Support Vector Machine, Educational Data Mining, Media Hafalan

Abstract

Di MAN Karo, pencatatan capaian hafalan masih dilakukan secara manual sehingga data yang tersedia belum dimanfaatkan secara optimal untuk membantu klasifikasi keberhasilan hafalan. Penelitian ini bertujuan menerapkan Support Vector Machine (SVM) untuk mengklasifikasikan keberhasilan hafalan Al-Qur’an berdasarkan media hafalan dan karakteristik siswa serta mengintegrasikannya ke dalam sistem berbasis web. Dataset terdiri atas 35 siswa kelas XII IPA MAN Karo. Variabel yang digunakan meliputi usia, jenis kelamin, media cetak, media digital/aplikasi, lama hafalan, jumlah surah yang dihafal, dan target hafalan. Tahapan pengolahan data meliputi pemeriksaan data, transformasi label, normalisasi Min-Max Scaling, pembagian data, pelatihan SVM, pengujian, dan evaluasi. Rancangan penelitian menggunakan Train-Test Split 80:20, yaitu 28 data training dan 7 data testing, dengan kernel linear. Berdasarkan confusion matrix yang tercantum pada hasil penelitian, diperoleh TP=25, FN=2, FP=1, dan TN=7, dengan accuracy 91,43%, precision 96,15%, recall 92,59%, dan F1-score 94,34% untuk kelas Lulus. Hasil menunjukkan SVM berpotensi menjadi alat bantu klasifikasi dan pemantauan hafalan, tetapi hasil evaluasi perlu diverifikasi kembali karena jumlah observasi confusion matrix tidak sama dengan jumlah data testing yang direncanakan

References

Z. Inayah and M. In’ami, “Media Audio dalam Pembelajaran Tahfidz: Inovasi Technopedagogy di Lembaga Pendidikan Islam,” IHSAN: Jurnal Pendidikan Islam, vol. 3, no. 4, pp. 863–871, 2025, doi: 10.61104/ihsan.v3i4.1686.

H. Heriyanto, “Potret Fenomena Tahfiz Online di Indonesia,” SUHUF, vol. 14, no. 1, pp. 153–177, 2021, doi: 10.22548/shf.v14i1.574.

M. Muhaimin and M. Y. M. El-Yunusi, “Al-Qur’an Memorization Learning Strategy in Forming the Character of Students at the Al-Jihad Student Islamic Boarding School in Surabaya,” IJoIS: Indonesian Journal of Islamic Studies, vol. 5, no. 2, pp. 59–66, 2024, doi: 10.59525/ijois.v5i2.580.

Engkizar, A. Jaafar, M. I. Hamzah, F. M. Fakhruddin, G. Oktavia, and A. Febriani, “Changes in Students’ Motivation to Memorize the Quran: A Study at Quranic Higher Education Institutions in Indonesia,” International Journal of Islamic Studies Higher Education, vol. 2, no. 3, pp. 240–258, 2023, doi: 10.24036/insight.v2i3.240.

F. T. Zauhara and T. A. Mustofa, “Manajemen Program Tahfidz al-Qur’an dalam Mencapai Keberhasilan Lulusan,” Ta’allum: Jurnal Pendidikan Islam, vol. 11, no. 2, pp. 241–262, 2023, doi: 10.21274/taalum.2023.11.2.241-262.

N. Hanifah and E. E. Dayusman, “Efektivitas Media Murattal Al-Quran Indonesia dalam Pembelajaran Tahfidz di Sekolah Dasar Islam Terpadu Muhammadiyah Bireuen,” ITQAN: Jurnal Ilmu-Ilmu Kependidikan, vol. 15, no. 2, pp. 139–151, 2024, doi: 10.47766/itqan.v15i2.2390.

Suryani and Mustakim, “Estimasi Keberhasilan Siswa dalam Pemodelan Data Berbasis Learning Menggunakan Algoritma Support Vector Machine,” Bulletin of Informatics and Data Science, vol. 1, no. 2, pp. 81–88, 2022, doi: 10.61944/bids.v1i2.36.

A. K. Darmawan, I. Yudhisari, A. Anwari, and M. Makruf, “Pola Prediksi Kelulusan Siswa Madrasah Aliyah Swasta dengan Support Vector Machine dan Random Forest,” Jurnal Minfo Polgan, vol. 12, no. 1, pp. 387–400, 2023, doi: 10.33395/jmp.v12i1.12388.

H. Latifah and S. Mujiyono, “Perbandingan Algoritma Naïve Bayes, K-NN, ID3, dan SVM dalam Menentukan Prediksi Kelulusan Siswa di SMK Muhamadiah Majenang,” JAMASTIKA: Jurnal Mahasiswa Teknik Informatika, vol. 2, no. 1, pp. 38–45, 2023, doi: 10.35473/jamastika.v2i1.1871.

S. Astiti, B. Satria, Y. G. Nengsih, S. Fadilah, and Darmansah, “Penerapan Model Support Vector Machine dalam Prediksi Keberhasilan Belajar Pemrograman,” Edu Cendikia: Jurnal Ilmiah Kependidikan, vol. 6, no. 1, pp. 351–365, 2026, doi: 10.47709/educendikia.v6i01.8061.

M. Fauzan, H. Junaedi, and E. Setyati, “Klasifikasi Al-Qur’an Terjemahan Bahasa Indonesia dengan Menggunakan Algoritma Support Vector Machine (SVM),” KONVERGENSI, vol. 18, no. 2, 2022, doi: 10.30996/konv.v18i1.6912.

I. S. Aisah, B. Irawan, and T. Suprapti, “Algoritma Support Vector Machine (SVM) untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3759–3765, 2023, doi: 10.36040/jati.v7i6.8263.

S. W. Ramdany, S. A. Kaidar, B. Aguchino, C. A. A. Putri, and R. Anggie, “Penerapan UML Class Diagram dalam Perancangan Sistem Informasi Perpustakaan Berbasis Web,” Journal of Industrial and Engineering System, vol. 5, no. 1, pp. 30–41, 2024, doi: 10.31599/2e9afp31.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Waltham, MA, USA: Morgan Kaufmann, 2012.

M. F. Abdullah, Kusrini, and M. R. Arief, “Prediksi Nilai dan Waktu Kelulusan Mahasiswa Menggunakan Metode Support Vector Machine,” SAINTEKBU: Jurnal Sains dan Teknologi, vol. 14, no. 1, p. 35, 2022.