PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI KELAYAKAN PENERIMA PROGRAM INDONESIA PINTAR (PIP) DI SD NEGERI 13 JONGKONG
IMPLEMENTATION OF THE C4.5 ALGORITHM FOR CLASSIFYING ELIGIBILITY OF INDONESIA SMART PROGRAM (PIP) RECIPIENTS AT SD NEGERI 13 JONGKONG
DOI:
https://doi.org/10.52972/hoaq.vol16no2.p156-169Keywords:
algoritma C4.5, klasifikasi,, data mining, program indonesia pintar, seleksi penerima bantuanAbstract
Pendidikan merupakan fondasi utama dalam pembangunan sumber daya manusia, namun keterbatasan finansial sering menjadi hambatan bagi keluarga kurang mampu dalam mengakses pendidikan. Untuk menjawab masalah tersebut, pemerintah meluncurkan Program Indonesia Pintar (PIP) sebagai langkah strategis dalam menekan angka putus sekolah. Akan tetapi, di SD Negeri 13 Jongkong proses seleksi penerima PIP masih dilakukan secara manual sehingga rawan subjektivitas dan ketidaktepatan sasaran. Penelitian ini bertujuan menerapkan algoritma C4.5 sebagai sistem klasifikasi kelayakan penerima PIP agar seleksi lebih objektif dan akurat. Metode yang digunakan adalah pendekatan kuantitatif deskriptif dengan teknik data mining terhadap 70 data siswa yang diperoleh dari dokumentasi sekolah dan ekspor Dapodik. Atribut penelitian meliputi pekerjaan dan penghasilan orang tua, alat transportasi, status bantuan sosial, serta jumlah tanggungan anak. Analisis menggunakan algoritma C4.5 pada perangkat lunak RapidMiner dengan validasi melalui confusion matrix. Hasil penelitian menunjukkan bahwa atribut Penghasilan Orang Tua terpilih sebagai akar pohon keputusan karena memiliki nilai gain tertinggi, sedangkan evaluasi performa model menghasilkan akurasi 95,71%, precision 96,08%, recall 98,00%, dan F1-Score 97,03%. Temuan ini membuktikan bahwa algoritma C4.5 efektif digunakan sebagai sistem pendukung keputusan untuk meningkatkan ketepatan seleksi penerima PIP, serta dapat direkomendasikan untuk diimplementasikan lebih luas pada sekolah lain guna meminimalisasi bias dalam penentuan penerima bantuan.
Education is the fundamental foundation for human resource development, yet financial constraints often hinder underprivileged families from accessing it. To address this issue, the government launched the Program Indonesia Pintar (PIP) as a strategic effort to reduce school dropout rates. However, at SD Negeri 13 Jongkong, the selection process for PIP recipients is still conducted manually, making it prone to subjectivity and misallocation. This study aims to apply the C4.5 algorithm as a classification system for determining PIP eligibility in order to ensure a more objective and accurate selection. The research employed a descriptive quantitative approach with data mining techniques on 70 student records obtained from school documentation and Dapodik exports. The research attributes include parents’ occupation and income, transportation, social assistance status, and number of dependents. Analysis was conducted using the C4.5 algorithm in RapidMiner software, validated through a confusion matrix. The results show that the attribute Parents’ Income was selected as the root node due to its highest gain value, while the performance evaluation achieved 95.71% accuracy, 96.08% precision, 98.00% recall, and a 97.03% F1-Score. These findings demonstrate that the C4.5 algorithm is effective as a decision support system to improve the accuracy of PIP recipient selection and can be recommended for broader implementation in other schools to minimize bias in beneficiary determination.
References
S. Maulido, P. Karmijah, and V. Rahmi, “Upaya Meningkatkan Pendidikan Masyarakat Di Daerah Terpencil,” Jurnal Publikasi Ilmu Pendidikan, Pembelajaran dan Ilmu Sosial, vol. 2, no. 1, pp. 198–208, 2023, doi: 10.61132/sadewa.v2i1.488.
A. Amalia, A. Irma Purnamasari, and I. Ali, “Implementasi Algoritma C4.5 Dan Naïve Bayes Dalam Pengambilan Keputusan Untuk Program Indonesia Pintar (Pip) Di Sekolah Dasar Negeri 04 Majalangu,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 2, pp. 1889–1896, 2024, doi: 10.36040/jati.v8i2.8311.
E. Fitriani, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan,” Jurnal Sistem Informasi, vol. 9, no. 1, pp. 103–115, 2020, doi: 10.32520/stmsi.v9i1.596.
N. W. O. Pratiwi, N. W. Utami, and I. H. J. E. Putra, “Klasifikasi Penentuan Penerima Bantuan Sosial Tunai (BST) Menggunakan Algoritma C4.5 Di Desa Keramas, Gianyar, Bali,” Jurnal Informatika, Teknologi dan Sains, vol. 4, no. 3, pp. 101–107, 2022, doi: 10.51401/jinteks.v4i3.1667.
S. Yunita and V. N. Alaeyda, “Penerapan Algoritma C4.5 Untuk Prediksi Penerimaan Beasiswa di SD 4 Pelangsian,” Journal Innovative Creative and Information Technology, vol. 8, no. 2, pp. 181–193, 2022, doi: 10.33050/icit.v8i2.2408.
B. F. Tanyu, A. Abbaspour, Y. Alimohammadlou, and G. Tecuci, “Landslide susceptibility analyses using Random Forest, C4.5, and C5.0 with balanced and unbalanced datasets,” Journal Catena, vol. 2, no. 3, pp. 1–14, 2021, doi: 10.1016/j.catena.2021.105355.
B. A. C. Permana, R. Ahmad, H. Bahtiar, A. Sudianto, and I. Gunawan, “Classification of diabetes disease using decision tree algorithm (C4.5),” Journal of Physics: Conference Series, vol. 1, no. 1, pp. 1–8, 2021, doi: 10.1088/1742-6596/1869/1/012082.
N. Y. L. Gaol, “Prediksi Mahasiswa Berpotensi Non Aktif Menggunakan Data Mining dalam Decision Tree dan Algoritma C4.5,” Jurnal Informasi & Teknologi, vol. 2, no. 1, pp. 23–29, 2020, doi: 10.37034/jidt.v2i1.22.
P. Fikria, R. K. Dinata, and Y. Afrillia, “Classification Of Outpatient Visit Status Walking at Dr. Zubir Mahmud Hospital Using Algoritma C4.5,” International Journal of Engineering, Science and Information Technology, vol. 5, no. 3, pp. 1–11, 2025, doi: 10.52088/ijesty.v5i3.865.
N. Aprilyani, I. Zulfa, and H. Syahputra, “Penerapan Algoritma Decision Tree C4.5 Untuk Model Penentuan Penerima Beasiswa Program Indonesia Pintar (PIP) Studi Kasus Sma Negeri 3 Timang Gajah,” Jurnal Teknik Informatika dan Elektro, vol. 5, no. 1, pp. 96–109, 2022, doi: 10.55542/jurtie.v5i1.452.
S. Saputra, N. Suarna, I. Ali, and D. Solihudin, “Improving the Classification Model of Smart Indonesia Program Recipients in Koorwilbidikcam Sumber Using the C4.5 Algorithm,” Journal of Artificial Intelligence and Engineering Applications, vol. 4, no. 3, pp. 1734–1738, 2025, doi: 10.59934/jaiea.v4i3.1000.
B. Kanwal, R. S. Shoukat, S. U. Rehman, M. Kundi, T. AlSaedi, and A. Alahmadi, “A New Framework for Scholarship Predictor Using a Machine Learning Approach,” Intelligent Automation & Soft Computing, vol. 39, no. 5, pp. 829–854, 2024, doi: 10.32604/iasc.2024.054645.
M. A. A. Lobo and A. C. Talakua, “Klasifikasi Data Penerima Beasiswa Menggunakan Algoritma C4.5,” Jurnal Penelitian Inovatif, vol. 4, no. 2, pp. 575–582, 2024, doi: 10.54082/jupin.355.
D. M. A. Sanjaya and A. I. I. P. N. W. Utami, “Penerapan Data Mining untuk Prediksi Mahasiswa Berpotensi Non-Aktif Menggunakan Algoritma C4.5: Studi Kasus STMIK Primakara,” Jurnal Ilmiah Ilmu Terapan Universitas Jambi, vol. 6, no. 1, pp. 84–97, 2022, doi: 10.22437/jiituj.v6i1.19600.
W. A. Firmansyach, U. Hayati, and Y. Arie Wijaya, “Analisa Terjadinya Overfitting dan Underfitting pada Algoritma Naive Bayes dan Decision Tree dengan Teknik Cross Validation,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 1, pp. 262–269, 2023, doi: 10.36040/jati.v7i1.6329.
S. Susliansyah, S. Y. Wargiyo, H. Sumarno, H. Priyono, and L. Maulida, “Rancangan Aplikasi Algoritma C4.5 pada Stunting Balita Menggunakan Bahasa Phyton,” Jurnal Manajemen Informatika Komputer, vol. 9, no. 1, pp. 254–265, 2025, doi: 10.33395/remik.v9i1.14426.
M. Anita, I. G. D. Yulianti, and S. V. Pasaribu, “Klasifikasi Faktor Risiko Penyakit Jantung Menggunakan Machine,” Jurnal Teknologi Informasi, vol. 16, no. 1, pp. 68–78, 2025, doi: 10.52972/hoaq.vol16no1.
Kementerian Pendidikan dan Kebudayaan Republik Indonesia, “Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 10 Tahun 2020 tentang Program Indonesia Pintar,” Jakarta, 2020. [Online]. Available: https://peraturan.bpk.go.id/Home/Details/163716/permendikbud-no-10-tahun-2020
K. P. K. R. dan Teknologi, “Peraturan Sekretaris Jenderal Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Nomor 19 Tahun 2024 tentang Petunjuk Pelaksanaan Program Indonesia Pintar Pendidikan Dasar dan Pendidikan Menengah,” Jakarta, 2024.
L. Rhomaningtias, A. Khairunisa, S. Shella, M. Wara, and K. M. Hindrayani, “Analisis Sentimen Ulasan Aplikasi Smile Indonesia Menggunakan Metode Naive Bayes dan Support Vector Machine (SVM),” Jurnal Teknologi Informasi, vol. 16, no. 1, pp. 79–91, 2025, doi: 10.52972/hoaq.vol16no1.
M. Mardiansa, H. L. Sari, and P. Prahasti, “Penerapan Data Mining untuk Mengetahui Minat Siswa pada Pelajaran Matematika menggunakan Metode K-Means Clustering,” Jurnal Multidisiplin Dehasen, vol. 4, no. 2, pp. 693–702, 2023, doi: 10.31328/jointecs.v3i2.787.
B. Kanwal, R. S. Shoukat, S. U. Rehman, M. Kundi, T. AlSaedi, and A. Alahmadi, “A New Framework for Scholarship Predictor Using a Machine Learning Approach,” Intelligent Automation & Soft Computing, vol. 39, no. 5, pp. 829–854, 2024, doi: 10.32604/iasc.2024.054645.
D. S. S. M.A, Panduan Pengisian Aplikasi Dapodik Versi 2024, 2024th ed. Jakarta: Direktorat Jenderal Pendidikan Dasar dan Menengah, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi, 2024. [Online]. Available: https://cdn-dapodik.kemdikbud.go.id/panduan/Panduan_Lengkap_Aplikasi_Dapodik
_versi_2024.pdf
A. F. Rahmawati and B. F. Anbiya, “Pemanfaatan Microsoft Excel untuk Pengolahan Penilaian Sumatif Hasil Belajar Siswa PAI dalam Kurikulum Merdeka,” Jurnal Harmoni Nusa Bangsa, vol. 1, no. 2, pp. 126–141, 2024, doi: 10.47256/jhnb.v2i1.481.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Jurnal HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi diterbitkan berdasarkan lisensi Creative Commons Attribution 4.0 International License (CC BY 4.0). Lisensi ini memungkinkan setiap orang untuk Berbagi: menyalin dan mendistribusikan kembali materi ini dalam format atau bentuk apapun; Adaptasi: merombak, mengubah, dan membuat turunan dari materi ini untuk keperluan apa pun, termasuk keperluan komersial, asalkan mereka memberikan pengakuan kepada Penulis Asli atas hasil karya aslinya.
