KLASIFIKASI KELAYAKAN BANTUAN SISWA KURANG MAMPU DI MA LA-TAHZAN MENGGUNAKAN ALGORITMA DECISION TREE

Abstract

Proses penentuan kelayakan bantuan pendidikan bagi siswa kurang mampu di MA La-Tahzan selama ini masih dilakukan secara manual, sehingga berpotensi menimbulkan subjektivitas dan ketidaktepatan dalam pengambilan keputusan. Kondisi tersebut mendorong perlunya penerapan metode berbasis data untuk membantu pihak sekolah menentukan kelayakan penerima bantuan secara lebih objektif, cepat, dan akurat. Berdasarkan permasalahan tersebut, penelitian ini menggunakan algoritma Decision Tree C4.5 untuk melakukan klasifikasi kelayakan bantuan siswa kurang mampu di MA La-Tahzan. Metode penelitian yang digunakan adalah pendekatan kuantitatif eksperimental dengan tahapan proses data mining, yaitu data acquisition, data preprocessing, feature selection, model training, model evaluation, dan model prediction. Data diperoleh dari hasil pendataan dan kuesioner sekolah yang berjumlah 872 data siswa dengan 11 atribut yang mencerminkan kondisi sosial ekonomi dan akademik, meliputi pekerjaan orang tua, penghasilan keluarga, jumlah tanggungan , status rumah, kepemilikan kendaraan, riwayat bantuan, dan nilai rapor. Pengolahan data dilakukan menggunakan bahsa pemrograman Python (Scikit-learn), sedangkan kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukan bahwa lagoritma Decision Tree C4.5 mampu mengklasifikasikan kelayakan bantuan dengan akurasi sebesar 90,29%, precision sebesar 0.87, recall sebesar 0.88, dan F1-score sebesar 0.88. model yang terbentuk memiliki kedalaman maksimal lima dengan 43 node, menunjukan keseimbangan antara akurasi dan interpretabilitas. Distribusi hasil prediksi menunjukan bahwa sekitar 60% siswa dikategorikan Tidak Layak dan 40% Layak, sesuai dengan data aktual, menandakan bahwa model tidak mengalami bias kelas. Berdasarkan hasil analisis, atribut penghasilan orang tua, jumlah tanggungan keluarga, dan pekerjaan ayah menjadi faktor dominan yang memengaruhi hasil klasifikasi. Temuan ini menegaskan bahwa kondisi sosial ekonomi menjadi aspek utama dalam penentuan kelayakan bantuan pendidikan. Secara keseluruhan, penerapan algoritma Decision Tree terbukti efektif untuk meningkatkan objektivitas, efisiensi, dan transparansi dalam roses pengambilan keputusan bantuan pendidikan di MA La-Tahzan.