SISTEM PREDIKSI CAPAIAN HAFALAN 30 JUZ SANTRI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) DENGAN ALGORITMA BACKPROPAGATION

Abstract

Lembaga tahfidz Al-Qur’an merupakan pusat pembinaan hafalan yang memiliki target penyelesaian 30 juz bagi setiap santri. Penilaian perkembangan hafalan di PPTQ Nawwir Quluubanaa masih dilakukan secara manual melalui buku laporan, sehingga potensi keterlambatan pencapaian target sulit terdeteksi lebih awal. Permasalahan ini menyebabkan pengelola kesulitan memberikan pendampingan yang tepat waktu dan berbasis data. Penelitian ini bertujuan membangun sistem prediksi capaian hafalan 30 juz santri menggunakan metode Artificial Neural Network (ANN) dengan algoritma backpropagation, serta mengintegrasikannya ke dalam dashboard berbasis web. Data yang digunakan berasal dari 146 santri dengan lima variabel input: jumlah juz hafalan, halaman setoran per minggu, halaman muroja’ah per minggu, persentase kehadiran, dan gender. Setelah pembersihan outlier, tersisa 96 data yang dibagi dengan proporsi 80:20 untuk training dan testing. Model terbaik menggunakan dua hidden layer (32 dan 16 neuron), aktivasi ReLU, dropout 0,1, dan learning rate 0,01. Hasil evaluasi menunjukkan RMSE 13,7483 bulan dan MAPE 13,68%, sehingga model dikategorikan akurat (tingkat keberhasilan 86,32%) berdasarkan kriteria Lewis (1982). Sistem dashboard yang dibangun menggunakan Flask/Python memperoleh skor SUS 79,5 (kategori Good).