KLASIFIKASI PENERIMA PIP DENGAN ALGORITMA C4.5 (STUDI KASUS : DATA DAPODIK SISWA SMP MUHAMMADIYAH 09 PALEMBANG)

Abstrak
Bagi siswa dari keluarga berpenghasilan rendah, terdapat program
pendidikan bernama Program Indonesia Pintar (PIP). SMP Muhammadiyah 09
Palembang menghadapi kendala dalam menentukan penerima PIP, termasuk
adanya ketidakkonsistenan data dan potensi subjektivitas dalam proses evaluasi.
Penelitian ini bertujuan untuk mengategorikan siswa sebagai penerima PIP dengan
menggunakan algoritma C4.5 yang berbasis pada data Dapodik. Teknik penelitian
ini mengikuti tahapan KDD. Dataset yang digunakan mencakup 136 siswa dengan
tujuh atribut: jumlah saudara kandung, jarak rumah ke sekolah, pekerjaan dan
penghasilan ibu, pekerjaan dan penghasilan ayah, serta moda transportasi.
Pengujian model dilakukan menggunakan metode Cross-Validation pada
perangkat lunak RapidMiner. Hasil penelitian menunjukkan tingkat akurasi
sebesar 77,21%, presisi 77,04%, dan recall 100,00%, dengan atribut "penghasilan
ayah" berperan sebagai simpul akar (root node) pada pohon keputusan. Model
akhir ini dapat dimanfaatkan sebagai alat pendukung keputusan untuk membantu
pemilihan penerima PIP secara lebih objektif.
Kata Kunci: Klasifikasi, Program Indonesia Pintar (PIP), Algoritma C4.5,
Dapodik, RapidMiner.

Abstract
For students from low-income families, there is an educational initiative
known as the Program Indonesia Pintar (PIP). SMP Muhammadiyah 09
Palembang faces challenges in determining PIP recipients, including data
inconsistencies and potential subjectivity during the evaluation process. This
study aims to categorize students as PIP recipients using the C4.5 algorithm
based on Dapodik records. The research methodology follows the (KDD) process.
The dataset comprises 136 students and seven attributes: number of siblings,
home to school distance, mother's occupation and income, father's occupation
and income, and mode of transportation. Model testing was conducted using the
Cross-Validation method within the RapidMiner software. The results demonstrate
an accuracy of 77.21%, precision of 77.04%, and recall of 100.00%, with the
"father's income" attribute serving as the root node of the decision tree. This final
model can serve as a decision-support tool to facilitate a more objective selection
of PIP recipients.
Keywords: Classification, Program Indonesia Pintar (PIP), C4.5 Algorithm,
Dapodik, RapidMiner.