Klasifikasi Kesahihan Hadits Berdasarkan Perawi Hadits Menggunakan Principal Component Analysis (PCA) dan Backpropagation Neural Network (BPNN)

Abstract

Abstrak—Hadits merupakan sumber hukum kedua bagi umat muslim setelah Al-Qur’an. Hampir seluruh tata cara beribadah dalam islam dijelaskan dalam hadits secara mendetail. Penilitian ini dapat membantu umat muslim menemukan jenis kesahihan dari hadits yang beredar sekarang. Penulis mengklasifkasikan hadits menurut kesahihannya bersadasarkan perawi hadits menggunakan metode Backpropagation Neural Network sebagai classifier dan Principal Component Analysis sebagai pereduksi dimensi fitur. Ada tiga target kategori yang digunakan dalam penelitian ini yaitu sahih, hasan, dan dhaif. Set data hadits sahih diambil dari kitab Sahih Bukhori, hasan dari kitab Sahih Sunan Tirmidzi, dan dhaif dari kitab Dhaif Abu Daud. Penulis memanfaatkan fungsi split dan unique dari bahasa pemrograman python untuk mengambil dan memfilter nama-nama perawi yang ada pada set data. Nama-nama perawi yang sudah terseleksi dikonversi menggunakan Tf-Binary. Setelah mencoba beberapa model pada proses validasi, didapatkan bahwa hasil akurasi yang terbaik adalah dengan menggunakan model PCA sebanyak 1500 fitur dari 3330 dan BPNN menggunakan satu hidden layer dengan jumlah node sebanyak 100 yakni sebesar 86,53%. Kata Kunci— Klasifikasi Hadits, Backpropagation Neural Network, Principal Component Analysis, PCA, BPNN.

Optimasi Klasifikasi Fonem Menggunakan Backpropagation Neural Network dan Principal Component Analysis

“…Backpropagation of neural networks was used as a tool for data classification to increase data accuracy. This study used three stages to optimize the performance of the classification process: comparing the proportion of datasets, estimating the number of hidden layers, and reducing dataset dimensions using the principal component analysis method to reduce data dimensions while retaining as much information as possible from the original dataset [24].…”

Exploring the relationship between hadith narrators in Book of Bukhari through SPADE algorithm

“…Another similar study used a finite-state machine to construct the narration tree [7] . Other studies were also conducted using a variety of methods, such as using Principal Component Analysis (PCA) and Backpropagation Neural Network (BPNN) [8] , Support Vector Machine (SVM), Naïve Bayes and K-Nearest Neighbor (K-NN) [9] , and Genetic Algorithm (GA) [10] . According to the importance of the hadith sanad, a study on the relationship between one narrator and another is important because it relates to the continuity of the sanad in a hadith.…”